Resumo. Palavras-chave

i

Elves R. M. Silva, 2012

ii

Resumo A alta e crescente participação da energia eólica na matriz da produção traz grandes desafios aos operadores do sistema na gestão da rede e planeamento da produção. A incerteza associada à produção eólica condiciona os processos de escalonamento e despacho económico dos geradores térmicos, uma vez que a produção eólica efetiva pode ser muo diferente da produção prevista. O presente trabalho propõe duas metodologias de otimização do escalonamento de geradores térmicos baseadas em Programação Inteira Mista. Pretende-se encontrar soluções de escalonamento que minimizem as influências negativas da integração de energia eólica no sistema elétrico. Inicialmente o problema de escalonamento de geradores é formulado sem considerar a integração da energia eólica. Posteriormente foi considerada a penetração da energia eólica no sistema elétrico. No primeiro modelo proposto, o problema é formulado como um problema de otimização estocástico. Nesta formulação todos os cenários de produção eólica são levados em consideração no processo de otimização. No segundo modelo, o problema é formulado como um problema de otimização determinística. Nesta formulação, o escalonamento é feo para cada cenário de produção eólica e no fim determina-se a melhor solução por meio de indicadores de avaliação. Foram feas simulações para diferentes níveis de reserva girante e os resultados obtidos mostraram que a alta participação da energia eólica na matriz da produção põe em causa a segurança e garantia de produção devido às características volátil e intermente da produção eólica e para manter os mesmos níveis de segurança é preciso dispor no sistema de capacidade reserva girante suficiente capaz de compensar os erros de previsão. Palavras-chave Operação de Sistemas de Energia, Escalonamento de geradores térmicos, Energia Eólica, Previsão de Energia Eólica, Reserva girante, Programação Inteira Mista. iii

iv

Abstract The high and increasing share of wind energy in the matrix production brings great challenges to power system operators in grid management and production scheduling. The uncertainty associated wh Wind generation affects the thermal Un Commment and economic dispatching, since the realtime wind power output may be very different from what is forecasted. This paper proposes two methods for optimizing the scheduling of thermal generators, based on Mixed Integer Linear Programming. The aim is to find solutions that minimize the negative influences of the integration of wind power into the power system. Inially the Un Commment problem is formulated whout considering the integration of wind power. Then we considered the penetration of wind power in the electricy system. In the first model, the problem is formulated as a stochastic optimization problem. In this formulation all scenarios of wind generation are taken into account in the optimization process. In the second model, the problem is formulated as a deterministic optimization problem. In this formulation, the analysis is done for each production scenario and wind in order to determine the best solution by means of evaluation indicators. Various simulations were made for different levels of spinning reserve and the results showed that the high share of wind energy in the matrix of production undermines the safety and secury of production due to the volatile and intermtent characteristics of the wind generation. To maintain the same levels of secury the system must have sufficient spinning reserve capacy to compensate for forecasting errors. Keywords Power Systems Operation, Un Commment, wind energy, wind forecast, spinning reserve, Mixed Integer Programming. v

vi

Agradecimentos Á Professora Doutora Ana Maria Marques Moura Gomes Viana, por toda a sua disponibilidade, apoio e conselhos concedidos para a realização do trabalho. Agradeço a todos os meus amigos pelo apoio que direta ou indiretamente me deram no decorrer deste trabalho Aos meus Pais, a quem devo tudo o que sou hoje e aos meus irmãos. A todos que direta ou indiretamente contribuíram para este trabalho. vii

viii

Índice RESUMO... III ABSTRACT... V AGRADECIMENTOS... VII ÍNDICE... IX LISTA DE FIGURAS... XI LISTA DE TABELAS... XII ABREVIATURAS E SÍMBOLOS... XIII CAPÍTULO 1 INTRODUÇÃO... 1 1.1 Enquadramento... 2 1.2 Objetivos... 5 1.3 Estrutura da dissertação... 6 CAPÍTULO 2 ESCALONAMENTO DE GERADORES TÉRMICOS... 7 2.1 Abordagem ao problema... 7 2.2 Definição do Problema... 11 2.2.1 Função Objetivo... 11 2.2.2 Restrições do Problema... 13 2.3 Formulação Matemática do Problema... 14 2.3.1 Notação utilizada... 14 2.3.2 Função Objectivo... 16 2.3.3 Restrições do Problema... 17 2.4 Solução do Problema... 21 CAPÍTULO 3 ESCALONAMENTO DE GERADORES TÉRMICOS INCLUINDO A PRODUÇÃO EÓLICA... 23 3.1 Previsão e Incerteza da Produção Eólica... 24 3.1.1 Modelos de Previsão da Energia Eólica... 25 3.1.2 Estimação da Incerteza da Previsão da Energia Eólica... 28 ix

3.2 Estado de Arte... 31 CAPÍTULO 4 METODOLOGIAS PROPOSTAS... 33 4.1 Modelo Estocástico do Problema... 33 4.1.1 Notação Utilizada... 33 4.1.2 Formulação do Problema... 34 4.2 Modelo Determinístico do Problema... 38 4.2.1 Descrição do Modelo... 38 4.2.2 Estratégia de seleção de uma solução... 40 4.2.3 Caso Exemplo... 42 4.3 Implementação do Problema... 47 CAPÍTULO 5 APRESENTAÇÃO E ANÁLISE DE RESULTADOS... 49 5.1 Caso de Estudo 1... 49 5.1.1 Sistema de Teste... 50 5.1.2 Resultados... 52 5.2 Caso de Estudo 2... 55 5.2.1 Pressupostos... 55 5.2.2 Carga e Cenários de Previsão da Produção Eólica... 55 5.2.3 Casos de Simulação... 57 5.2.4 Resultado das Simulações D1 D2 e D3... 57 5.2.5 Resultados obtidos nas simulações E1 E2 e E3... 62 5.2.6 Comparação entre o modelo determinístico e estocástico... 67 CAPÍTULO 6 CONCLUSÕES... 69 6.1 Conclusões Gerais... 69 6.2 Trabalhos Futuros... 70 REFERÊNCIAS... 71 x

Lista de Figuras Fig. 1.1 Diagrama de carga da Rede Nacional de Transporte [1]... 2 Fig. 1.2 - Diagrama de carga da RNT preenchida [1]... 3 Fig. 2.1 - Curvas de custo de produça o de geradores te rmicos [12]... 11 Fig. 2.2 - Custos de arranque de geradores te rmicos [12]... 13 Fig. 3.1- Energia Eo lica total instalada 1997-2010 e perspetiva de crescimento ate 2020 [13]... 23 Fig. 3.2 - Diagrama Geral dos modelos físicos [14]... 26 Fig. 3.3- Diagrama Geral dos modelos estatísticos [14]... 27 Fig. 3.4 - Diferentes modelos de previsa o da energia eo lica [15]... 28 Fig. 3.5 - Erro de previsa o de energia eo lica para diferentes horizontes temporais [16]... 28 Fig. 3.6 - Representaça o probabilística por conjunto de intervalos ou quantis [18]... 29 Fig. 3.7 - Representaça o de cena rios de produça o eo lica [18]... 31 Fig. 4.1 - Fluxograma da primeira metodologia proposta... 35 Fig. 4.2 - Fluxograma da segunda metodologia proposta... 39 Fig. 4.3 Fluxograma de descriça o do ca lculo da melhor soluça o... 42 Fig. 5.1 Digrama de carga do sistema de teste... 51 Fig. 5.2 - Apresentaça o gra fica da carga e cena rios de produça o eo lica em cada período... 56 Fig. 5.3 - Custo de produça o de cada cena rio considerando diferentes níveis de reserva girante... 58 Fig. 5.4 - Preenchimento do diagrama de carga pelas fontes de produça o existentes no sistema de teste... 61 Fig. 5.5 - Nu mero de geradores ligados a cada período de escalonamento... 61 Fig. 5.6 - Despacho econo micos dos geradores escalonados... 62 Fig. 5.7 - Nu mero de geradores ligados em cada período para diferentes níveis de reserva girante... 64 Fig. 5.8 - Despacho econo mico dos geradores te rmicos escalonados para as simulaço es E1. E2 e E3.... 65 Fig. 5.9 - Custo de produça o para diferentes níveis de reserva girante... 66 Fig. 5.10 - Linearidade entre o aumento do nível de reserva girante e o custo total de produça o... 66 Fig. 5.11 - Nu mero de geradores ligados em cada período de escalonamento... 67 Fig. 5.12 - Reserva girante disponível para os dois modelos do problema... 68 Fig. 5.13 - Custo de Produça o para as duas metodologias de escalonamento... 68 xi

Lista de Tabelas Tabela 2.1 - Matriz da Soluça o de um Problema de Escalonamento de Geradores Te rmicos... 21 Tabela 2.2- Soluça o do Problema de despacho Econo mico... 21 Tabela 4.1 Caraterísticas dos geradores usados no caso de estudo... 43 Tabela 4.2 - Cargas e cena rios de produça o eo lica a cada período... 43 Tabela 4.3 - Valores para o escalonamento e despacho econo mico em cada período e o custo associado... 44 Tabela 4.4 - Corte de carga (MW)... 45 Tabela 4.5 - Representaça o do custo de produça o para cada cena rio... 45 Tabela 4.6- Representaça o do resultado da funça o de avaliaça o de uma soluça o... 46 Tabela 5.1 - Características dos dez geradores utilizados no sistema de teste... 50 Tabela 5.2- Cargas utilizadas no caso de estudo... 51 Tabela 5.3 - Soluça o de escalonamento e despacho econo mico de dez geradores usados no sistema teste.. 52 Tabela 5.4 - Soluça o de escalonamento e despacho econo mico de dez geradores usados no sistema teste considerando restriço es de rampa... 53 Tabela 5.5 - Resultado das va rias metodologias de escalonamento de geradores te rmicos propostos na leratura... 54 Tabela 5.6 - Ma quinas utilizadas na resoluça o do problema de escalonamento... 54 Tabela 5.7 - Caraterísticas dos vinte geradores usados no segundo caso de estudo... 55 Tabela 5.8 - Carga e produça o eo lica para seis cena rios, nos vinte e quatro períodos de escalonamento... 56 Tabela 5.9 - Níveis de reserva girante considerada nas simulaço es feas... 57 Tabela 5.10- Corte de carga... 59 Tabela 5.11 - Indicadores de avaliaça o das soluço es de escalonamento... 60 Tabela 5.12 - Soluça o de escalonamento para diferentes níveis de reserva girante... 63 xii

Abreviaturas e Símbolos Lista de abreviaturas SEE REN RNT DE ERSE NWP MOS EENP Sistema Elétrico de Energia Rede Energética Nacional Rede Nacional de Transporte Despacho Económico Entidade Reguladora dos Serviços Energéticos Numerical Weather Prediction Model Output Statistics Energia Esperada não Produzida Lista de Símbolos W MW MWh GHz MHz Gb Watt Megawatt Megawatt-hora Gigahertz Megahertz Gigab $ Custo em dólar $/h Custo por hora xiii

xiv

Introduça o 1 Capítulo 1 Introdução Capít ulo 1 Após a primeira crise de petróleo nos anos de 1970, a busca por fontes alternativas de energia cresceu muo nos países onde a produção de eletricidade era fortemente dependente da importação de combustíveis fosseis, uma garantia mínima para a segurança de abastecimento, particularmente quando os produtores de petróleo se localizam numa zona policamente instável. A procura por fontes alternativas, neste caso as energias renováveis, mostra ser uma aposta estrutural, estratégica, essencial ao desenvolvimento sustentável nas suas vertentes económica e ambiental. Em particular, a energia eólica revelou ser uma alternativa viável e económica para a produção de eletricidade por ser abundante, renovável, limpa e disponível em muos sítios. Hoje em dia assiste-se a uma crescente participação da energia eólica na matriz da produção e este fato está a trazer grandes desafios aos operadores do sistema na gestão da rede e planeamento da produção. A produção eólica é diretamente influenciada pelas condições do vento no local onde suam os geradores e sendo o vento um recurso intermente que adme grande variabilidade ao longo do tempo, torna-se extremamente difícil prever com precisão a potência eólica total disponível em determinado momento. A incerteza associada à produção eólica condiciona os processos de escalonamento e despacho económico dos geradores térmicos, uma vez que a produção eólica efetuada pode ser muo diferente da produção prevista. A segurança da produção pode ficar condicionada no caso da produção eólica efetuada ser muo inferior à produção prevista. Neste sentido, é essencial que o sistema disponha de capacidade de produção suficiente para satisfazer as cargas com certa reserva girante, ao mesmo tempo compensar os erros de previsão da produção eólica. O presente trabalho propõe duas metodologias de otimização do escalonamento de geradores térmicos baseados na Programação Inteira Mista. Pretende-se encontrar soluções de escalonamento que minimizem as influências negativas da integração de energia eólica no sistema elétrico. Esta tese é desenvolvida no âmbo do Mestrado em Engenharia Eletrotécnica Sistemas Elétricos de Energia, lecionado no Instuto Superior de Engenharia do Porto.

Introduça o 2 1.1 Enquadramento Na operação do sistema elétrico de energia, podemos destacar três pontos principais: a produção, o transporte e o consumo de energia elétrica. Estes pontos devem ser previstos e planeados minuciosamente de forma a minimizar todos os custos operacionais, respeando as diversas restrições existentes. As caraterísticas do consumo impõem a modulação da energia consumida no tempo através duma função - o diagrama de cargas - que traduz a variação desse consumo ao longo das horas do dia e dos dias do ano. Não basta fornecer por dia (ou por mês, ou por ano) uma certa quantidade de energia, mas há necessidade de fornecê-la com determinadas caraterísticas de variabilidade no tempo. Há então necessidade de prever os diagramas de carga. Fig. 1.1 Diagrama de carga da Rede Nacional de Transporte [1] A partir desse diagrama de carga vê-se facilmente que a carga varia bastante no período de 24 horas. Os diagramas de carga também são muo variáveis com o dia da semana e com a semana do ano. Basicamente um diagrama de cargas é influenciado pela época do ano (verão ou inverno), dia da semana (dia útil, feriado, fim de semana), hora do dia, condições atmosféricas (temperatura, humidade, luminosidade) e por acontecimentos especiais (férias, feriados, programas de televisão). A forma da curva, isto é, a distribuição das cargas nas 24 horas do dia, pode ser facilmente afetada pela política dos preços (por exemplo as tarifas bi-horárias) porque é do maior interesse que o diagrama de cargas seja o mais constante possível. Tendo o conhecimento da carga a ser alimentada passa-se para a avaliação dos recursos disponíveis para a sua satisfação. O diagrama de carga é preenchido primeiramente pelos grupos de

Introduça o 3 Produção em Regime Especial 1 (fotovoltaica, hidráulica, ondas, eólica), a seguir é preenchido pela produção térmica das mais variadas fontes (carvão, gás natural, fuel). Os picos de carga do diagrama são preenchidos pela energia proveniente dos recursos hídricos, cuja resposta é praticamente instantânea no contexto do problema. Caso a disponibilidade dos recursos hídricos não seja suficiente para satisfazer a procura, procede-se à importação de energia de sistemas vizinho. No caso de Portugal faz-se a importação da Espanha. A figura 1.2 ilustra o preenchimento do diagrama de carga da Rede Nacional de Transporte (RNT) para o dia da ponta do ano 2011. Fig. 1.2 - Diagrama de carga da RNT preenchida [1] Pela análise do gráfico podemos reparar que a produção proveniente de fontes renováveis teve uma participação superior a 50% na satisfação da carga, destacando a produção eólica com uma penetração superior a 25%. Neste contexto, a integração de fontes renováveis na produção de energia com os grupos convencionais já existentes, principalmente com as centrais térmicas cuja influência se pretende diminuir, deve ser fea de forma ponderada, respeando todos os limes operacionais tanto dos próprios geradores, como de todos os elementos constuintes do sistema elétrico em questão. Quando se afirma na exploração de um Sistema Elétrico de Energia (SEE) que o serviço deve ter o máximo de continuidade e um custo de exploração mínima, facilmente se vê que estes dois objetivos são antagónicos. O máximo de continuidade implica ter uma capacidade de produção disponível superior à necessária, enquanto o custo mínimo de exploração implica ter o mínimo de capacidade de produção disponível. 1 Considera-se PRE a atividade licenciada ao abrigo de regimes jurídicos especiais, no âmbo da adoção de políticas destinadas a incentivar a produção de eletricidade, nomeadamente através da utilização de recursos endógenos renováveis ou de tecnologias de produção combinada de calor e eletricidade [29].

Introduça o 4 É assim, de todo o interesse, ter uma previsão do consumo e o planeamento da produção tão exatas quanto possível. Porém, como a previsão do consumo tem sempre erros, há necessidade de dispor de unidades de reserva que possam ser rapidamente ligadas à rede. A reserva do sistema produtor pode ser conseguida por intermédio de grupos a funcionar com uma carga relativamente baixa, que no caso da saída de um grupo podem "instantaneamente" aumentar a sua produção ou por meio de grupos de arranque rápido cujo tempo necessário para fazer o paralelo com a rede seja extremamente baixo (alguns tipos de centrais hidroelétricas e centrais com turbinas a gás). Os grupos de bombagem também podem ser considerados como constuindo uma reserva do sistema produtor, na medida em que constuem cargas de potência relativamente elevada que podem ser desligadas quando surgem dificuldades no sistema de produção, diminuindo-se assim, rapidamente, a carga a alimentar pelo sistema. A potência não utilizada, disponível nos grupos que se encontram em paralelo com a rede, constui a reserva girante. A potência dos grupos que podem ser postos em paralelo sobre a rede num curto espaço de tempo constui a reserva estática ou parada [2]. A alta e crescente penetração das energias renováveis, principalmente a eólica vem criando grandes desafios aos operadores do sistema de energia na gestão da rede e no planeamento da produção. A quantidade de energia produzida por uma central eólica depende principalmente das condições dos ventos, as quais são influenciadas por condições climáticas. Embora as condições de vento possam ser previstas com antecedência, são comuns erros de previsão na faixa de 20% a 50%, o que faz com que a produção eólica prevista nunca seja igual à produção real. Outro ponto é que a energia eólica não pode ser armazenada na sua forma primária, como acontece com a energia hidráulica. Esses aspetos elevam a complexidade operacional do sistema e aumentam significativamente o nível de incertezas e, consequentemente, contribuem para a deterioração da fiabilidade na operação do sistema elétrico [3]. Até há pouco tempo o nível e penetração da energia eólica era insignificante em relação à capacidade da produção do sistema, de tal modo que os impactos causados por essa tecnologia podiam ser desprezados. Entretanto, num futuro próximo, a participação da energia eólica atingirá níveis comparáveis aos das tecnologias convencionais. Como consequência, identificar os impactos causados pela produção eólica na operação dos sistemas tornou-se um importante objeto de discussão no sector elétrico. Na operação do sistema de energia deve-se manter um equilíbrio dinâmico e continuo entre a produção e o consumo, uma vez que não é possível armazenar a energia elétrica na sua forma acabada. Para manter este equilíbrio, faz-se uma planificação diária da produção, ou seja, faz-se o escalonamento dos geradores e o despacho da produção.

Introduça o 5 O escalonamento dos geradores é um problema de otimização, onde se determina que geradores irão ficar ligado ou desligados de forma a assegurar capacidade suficiente para alimentar a carga no intervalo considerado com certa margem de reserva, respeando as diversas restrições operacionais e proporcionando o menor custo de operação possível. Num sistema elétrico clássico, ou seja, num sistema em que a produção é fea apenas por fontes convencionais, no planeamento da produção a única variável fonte de incerteza é a carga prevista a ser abastecida, mas atualmente qualquer operador do sistema já consegue fazer previsão da carga com precisão superior a 90%. Para estes sistemas, os modelos de otimização de escalonamento e despacho económico dos geradores se encontram numa fase madura que já não gera qualquer discussão e grandes investigações no sentido de melhorá-los. No panorama atual se assiste a uma acentuada descentralização e diversificação da produção, portanto os modelos de otimização de escalonamento dos geradores que antes conseguiam encontrar soluções satisfatórias, agora não são válidos. Isto porque, neste panorama o problema de escalonamento de geradores possui mais variáveis fontes de incerteza. Uma das variáveis com maior incerteza associada é a produção eólica prevista. Neste contexto, torna-se essencial a procura de novas metodologias de otimização para que se possa tirar o máximo proveo da integração da energia eólica no SEE. 1.2 Objetivos O objetivo principal proposto neste trabalho de dissertação consiste no desenvolvimento de uma metodologia de otimização exata para encontrar soluções de escalonamento de um dado sistema elétrico com alto nível de penetração de produção eólica. As soluções encontradas têm de verificar certas restrições maximizando um objetivo como por exemplo, o de minimização de custos de produção. Outros crérios a ter em conta são a segurança e confiabilidade na operação do sistema, que são influenciados pela penetração da produção eólica. Foram considerados vários pressupostos. O primeiro é que há uma gestão centralizada da produção, considera-se ainda que o custo de produção da energia eólica é nulo e que toda a energia produzida é injetada num barramento único.

Introduça o 6 1.3 Estrutura da dissertação O trabalho foi desenvolvido de modo a atingir os objetivos traçados estando a tese dividida em seis capítulos. No primeiro capítulo é apresentada a introdução onde é feo o enquadramento da tese e são apresentados os objetivos desta tese. No segundo capítulo é definido o problema de escalonamento de geradores térmicos onde são apresentadas a função objetivo e as restrições do problema. Também neste capítulo é fea a formulação matemática do problema. No terceiro capítulo é feo a abordagem ao problema de escalonamento de geradores térmicos tendo em conta a produção eólica. Neste capítulo é contextualizada a produção eólica dentro do problema de escalonamento e despacho económico de geradores térmicos. É apresentado de que forma a produção eólica afeta os processos de escalonamento de geradores térmicos e os inconvenientes associados a este tipo de produção. No quarto capítulo são descras em detalhe as duas metodologias propostas. No quinto capítulo é apresentado o sistema de teste para o qual se pretende encontrar soluções de escalonamento de geradores térmicos. São apresentadas as soluções de escalonamento para ambas as metodologias propostas no capítulo 4. No sexto e último capítulo, são apresentadas as conclusões tiradas do trabalho realizado.

Escalonamento de Geradores Te rmicos 7 Capítulo 2 Escalonamento de Geradores Térmicos Capít ulo 2 As caraterísticas dos consumos impõem a modulação da energia consumida no tempo através de uma função que traduz a variação desse consumo ao longo das horas do dia e dias do ano. Uma vez que a energia elétrica não pode ser armazenada, a produção tem que ser no mínimo igual ao consumo com um a certa reserva. Para satisfazer o consumo ao mínimo custo, a produção precisa ser planeada. Ligar todos os geradores disponíveis pode não ser muo eficiente, portanto há a necessidade de encontrar uma combinação ótima dos geradores a serem ligados para satisfazer a carga. O problema de escalonamento dos geradores térmicos (muas vezes, usa-se a designação inglesa de Un Commment-UC) é um problema de otimização onde se pretende determinar que geradores devem estar ligados/desligados durante o horizonte de planeamento (com duração de 1 dia a 2 semanas, normalmente divididos em períodos de 1 hora) e os níveis de produção em que devem estar a funcionar de modo que o custo total de produção seja minimizado. Essencialmente este problema procura satisfazer as cargas previstas em cada período, com certa reserva, a custo mínimo, respeando todas as restrições técnicas dos geradores e do sistema [4]. Os estados ligado/desligado dos geradores são modelados por variáveis inteiras, o que faz com que o problema de escalonamento seja formulado como um problemas de otimização inteira mista, cuja solução em geral exige algormos de maior complexidade do que aqueles utilizados para a solução de modelos de Despacho Económico. 2.1 Abordagem ao problema Devido à grande dimensão e à natureza combinatória, o problema de escalonamento carece de um método matemático robusto para a sua resolução em sistemas numa escala real. Apesar disso, são propostos na leratura vários métodos para a sua resolução. Inicialmente as abordagens do problema de escalonamento foram realizadas com base em heurística de ordem de méro. Com esta metodologia pretendia-se definir a ordem de entrada em serviço dos grupos escalonados, obtida pela determinação de um indicador de relação do custo médio à potência máxima. As restrições operacionais são incluídas heuristicamente e a eficácia do método depende da afinação desse indicador. A grande vantagem manifesta-se na simplicidade de resolução.

Escalonamento de Geradores Te rmicos 8 Contudo, é um modelo que não relaciona directamente a formulação matemática do problema com todas as restrições conjugadas directamente, pelo que se considera uma metodologia pouco precisa na obtenção de uma solução ótima global. Outra técnica de otimização aplicada ao problema de escalonamento de produção é a programação dinâmica (ver [5]). Esta técnica decompõe o problema principal numa série de problemas de menor dimensão, resolve-os e calcula uma solução ótima para o problema original passo a passo. A melhor solução é calculada recursivamente a partir do subproblema. O algormo usado para a resolução do problema de escalonamento de geradores térmicos examina todos os estados possíveis em todos os períodos de escalonamento. Alguns dos estados são rejeados instantaneamente porque apresentam á partida uma solução inviável. A programação dinâmica carateriza-se por uma metodologia de otimização em problemas que requerem decisões sequenciais e interligadas, ou seja, qualquer que seja o estado e as decisões iniciais, as decisões seguintes têm de constuir uma estratégia ótima resultante da primeira decisão. A principal vantagem deste tipo de programação é a redução do espaço de pesquisa. Desta forma evam-se cálculos desnecessários provenientes da enumeração total de soluções reduzindo assim o espaço de pesquisa e facilando a análise das soluções. No entanto, a programação dinâmica não se adequa a sistemas de grande dimensão devido à conhecida maldição da dimensionalidade, sendo o número total de combinações existentes para cada período dadas por: C n 2 n 1 (2.1) Considerando o número de períodos existentes, as combinações existentes são dadas por: n n, i 2 i C 1 (2.2) onde n representa o número de máquinas e i representa o número de períodos. A desvantagem desta metodologia está ligada á dimensão do problema. Em problemas reais, o número de estados possíveis em cada período e o número de combinações possíveis entre períodos é significativamente grande, o que torna quase impossível resolver o problema em tempo útil. De forma a reduzir certos problemas causados pela dimensionalidade, algumas das técnicas propostas estabelecem um lime para o número de subtrajetórias entre estados, selecionando um determinado número que apresente menor custo. Contudo, não se tem a garantia de que a solução encontrada é ótima [6]. Outra abordagem usada na resolução do problema de escalonamento de produção é a Relaxação

Escalonamento de Geradores Te rmicos 9 Lagrangeana. A utilização deste método na resolução do problema de escalonamento é muo mais recente do que o método de Programação Dinâmica. Este método é muo mais flexível do que a Programação Dinâmica, permindo facilmente adicionar restrições ao problema. A Relaxação Lagrangeana separa as restrições do problema em: (a) restrições locais, envolvendo cada unidade produtora e seus limes de operação, tempos mínimos de paragem e funcionamento, taxas de tomada e deslastre da carga; (b) restrições do sistema, envolvendo todas as unidades produtoras, assim como as restrições de balanço de potência e reserva girante, onde ambas as restrições são relaxadas. Este método faz o uso de otimização dual, que de forma gradual insere restrições aos subproblemas referentes às unidades produtoras, com base no grau de satisfação das restrições relaxadas até ser encontrada uma solução final que satisfaça todas as restrições. Entretanto, devido a não convexidade do problema, não há garantia de que a solução ótima dual encontrada conduza a uma solução primal viável, dificuldade que tende a aumentar com o aumento do número de geradores e com a existência de geradores idênticos [7]. A dualização das restrições difíceis, isto é, o acréscimo destas à função objetivo através de um vetor de multiplicadores, chamados de multiplicadores de Lagrange, e eliminadas em seguida do conjunto de restrições deve produzir um problema Lagrangeano que é fácil de resolver e cujo valor da solução ótima é um lime inferior (para problemas de minimização) para o valor ótimo do problema original. O Problema Lagrangeano pode, portanto, ser usado no lugar de um problema de Relaxação Linear para produzir limes num algormo de busca do tipo Branch and Bound. Além disso, com base nesse lime inferior, é possível estimar quão próxima está a solução viável disponível da solução ótima [8]. Encontrada uma solução dual em problemas não-convexos os valores da função objetivo do problema original e da função dual podem não ser iguais. Nesse caso, o valor da função dual é sempre menor ou igual ao valor ótimo do Problema Primal e a diferença entre tais valores é chamada de gap de dualidade. Todavia, para que essas soluções sejam de boa qualidade, é crucial que o gap de dualidade seja suficientemente pequeno. Para garantir que o gap seja o menor possível, normalmente usam-se técnicas de decomposição conhecidas como splting methods [9] os quais têm sido utilizados em programação estocástica e em determinados problemas de natureza combinatória. A ideia consiste em duplicar de forma artificial as variáveis primais de interesse para, posteriormente, encontrar uma decomposição adequada por meio da dualização das restrições artificialmente impostas e resultantes dessa duplicação. Essa estratégia tem sido utilizada com sucesso no problema de escalonamento de geradores térmicos.

Escalonamento de Geradores Te rmicos 10 Mais recentemente, têm sido desenvolvidas abordagens baseadas em methaheurísticas e algormos genéticos. Programação Inteira Mista Um problema de Programação Inteira (PI) é um caso particular de problema de otimização no qual as variáveis só podem assumir valores inteiros ou discretos. Um problema de Programação Inteira Mista (PMI) é outro caso particular no qual apenas uma parte das variáveis está restringida a valores inteiros. Um subconjunto desta classe de problemas acorre quando as variáveis do problema estão restras a apenas dois valores (zero e um por exemplo), constuindo a programação binária. A estratégia de Branch and Bound é uma das principais técnicas para a resolução de problemas de programação inteira mista. Esta técnica consiste em resolver inicialmente um problema relaxado, onde se permem quaisquer valores para as variáveis inteiras e valores no intervalo {0,1} para as variáveis binárias. Com isto obtém-se um lime inferior para o problema. Verifica-se que variáveis violaram a condição de integralidade na solução encontrada e, em seguida, inicia-se a criação de uma árvore de subproblemas onde, em cada um, fixam-se valores inteiros adequados para um subconjunto destas variáveis. Cada novo subproblema criado é denominado nó da árvore. Como vantagens do algormo de Branch and Bound pode-se mencionar: (i) obtenção do ponto ótimo global; (ii) medida da solução ótima do melhor ponto encontrado; (iii) facilidade em adicionar restrições e variáveis. Uma das desvantagens da aplicação deste método é o elevado tempo computacional requerido e alto consumo de memória para problemas de grande dimensão. Em [10] Cohen abordou o problema de Escalonamento de Produção baseado no algormo Branch-and-Bound. Nesta abordagem o autor formulou o problema na forma de programação linear inteira mista. A variável inteira utilizada foi para determinar o estado ligado/deligado dos geradores. O algormo foi capaz de encontrar uma solução que garante estar a 0,7% da solução ótima num tempo de 67 segundos para um problema com 19 geradores e um horizonte de planeamento de 24 horas O método de Branch and Bound ganhou muo interesse recentemente devido a avanços tecnológicos relevantes nas últimas décadas, possibilando desenvolver Solvers capazes de resolver problemas de grande dimensão, num tempo muo reduzido, aplicando esse método. O problema de escalonamento de geradores térmicos é muo adequado para ser formulado como um problema de PIM. Por estes motivos foi usado nesta tese um modelo de PLI para resolver o problema em estudo. O modelo foi proposto em [11] e é descro na seção seguinte.

Escalonamento de Geradores Te rmicos 11 2.2 Definição do Problema O problema de escalonamento de geradores térmicos proposto neste capítulo considera sistemas em que a produção é fea apenas por geradores térmicos, assumindo que o sistema elétrico é isolado e que existe apenas uma entidade responsável pela gestão económica. Este modelo pretende minimizar o custo total de operação, dado como a soma dos custos de funcionamento, custos de arranque e de paragem dos geradores térmicos, em todos os períodos durante o horizonte de planeamento, sujeos às restrições técnicas dos geradores e do sistema. Este problema envolve um número elevado de variáveis contínuas e discretas associadas a estados discretos e níveis de produção dos geradores. 2.2.1 Função Objetivo Como descro anteriormente, a função objetivo consiste em minimizar o custo total de operação dado como a soma dos custos funcionamento, de arranque e de paragem dos geradores térmicos, em todos os períodos durante o horizonte de planeamento. Custo Total de Funcionamento Os custos associados aos grupos térmicos dependem, obviamente, do tipo de máquina primária (turbina a vapor, turbina a gás, grupo diesel) e de outros aspetos, como o processo de geração do vapor (fuel-oil, carvão, nuclear) ou a idade da máquina, o que implica uma análise caso a caso em problemas reais. Os custos associados são os que se apresentam a seguir: Custo de funcionamento - custo associado ao consumo de combustível para produção de energia, tipicamente não linear. A função custo inclui o ponto (0,0), correspondente a estado de paragem, o que a torna descontínua, como é patente na figura 2.1. Este custo é o mesmo que se utiliza no despacho (embora nesse caso não se considere, como se sabe, a hipótese do grupo estar parado). A função custo é muas vezes aproximada a uma função polinomial de 2º ou 3º grau. Fig. 2.1 - Curvas de custo de produção de geradores térmicos [12]

Escalonamento de Geradores Te rmicos 12 Custo de arranque Custo ocorrido no arranque da máquina térmica. É independente da potência que os grupos vierem a produzir. Depende, no caso das centrais com turbina a vapor, do tempo de paragem anterior e do facto de se manterem ou não as caldeiras quentes durante o período de paragem. Se o arranque da máquina térmica for efetuado à temperatura ambiente, o arranque diz se a frio (muas vezes usa-se designação inglesa Cold Start). O tempo correspondente que leva a máquina a arrefecer para este nível de temperatura é conhecido como o tempo de arranque a frio e a função custo de arranque pode ser representada por: t / C C.1 e C t A F (2.3) onde C A ($) é o custo fixo de arranque, independente do tempo que a máquina esteve parada, e a segunda parcela é o custo de arranque a frio, dependendo do tempo de paragem da máquina e respetivo corte de combustível [4]. Por outro lado, se a máquina arrancar com as caldeiras ainda quentes, o arranque diz se a quente (muas vezes usa-se designação inglesa Hot Start), e a função custo é dado por: C t CA Ct. t (2.4) onde C t ($/h) é o custo horário associado ao consumo de combustível para manter a caldeira quente. Em alternativa, vários autores consideram a função de custo de arranque como sendo uma função em degrau, dada por: C arranq C C ONN _ h i ONN _ c i se T se T OFF OFF t t cold cold, (2.5) onde ONN C i gerador i,. _ h e o custo de arranque a quente do gerador i, OFF T ONN C i _ c representa o custo de arranque a frio do representa o tempo que o gerador i esteve parado e t cold representa o número de horas que a caldeira de gerador i precisa para arrefecer. A figura 2.2 representa o custo associado aos dois tipos de arranque em função do tempo que as máquinas estiveram paradas até o próximo arranque.

Escalonamento de Geradores Te rmicos 13 Fig. 2.2 - Custos de arranque de geradores térmicos [12] Custo de paragem - quando se modeliza o custo de arranque de forma simplificada (em alternativa às formulações atrás indicadas), os custos associados a manter condições para um arranque a quente (banking) são modelizados como custos de paragem. Custos de paragem que também podem ter que ser considerados em certos grupos dieseis. 2.2.2 Restrições do Problema A restrição fundamental a considerar é, como habualmente nos sistemas elétricos de energia, a satisfação da carga. Ou seja, a potência total disponível (soma das potências máximas de todos os grupos escalonados) tem que ser superior à carga total prevista, em todos os intervalos. A diferença tem que ser superior à reserva girante definida para cada intervalo, de acordo com um dos princípios seguintes: Valor igual a uma percentagem da carga prevista para o intervalo; Valor igual à potência máxima da maior unidade em funcionamento; Reserva que garanta um risco de perda de carga inferior a certo valor, tendo em conta as probabilidades de avaria dos grupos. Os grupos térmicos, sobretudo aqueles em que a máquina primária é a turbina a vapor, não podem ser ligados de forma a produzirem imediatamente a potência que se pretende, nem podem deslastrar imediatamente a carga que lhes está atribuída. Há também motivos técnicos que excluem o funcionamento ou paragem durante períodos curtos. De forma abreviada, no problema tradicional de escalonamento de geradores térmicos as restrições associadas são as que se apresentam a seguir:

Escalonamento de Geradores Te rmicos 14 Tempo de arranque: para cada tipo de grupo, define-se um tempo mínimo de arranque que depende do tempo de paragem anterior e está relacionado com a necessidade de aquecer caldeiras, obter pressões de vapor e outros condicionalismos técnicos. Em consequência, a decisão de utilizar o grupo pode ter de ser tomada muo antes da hora a que a potência respetiva vai ser necessária [4]. Tempos mínimos de paragem e de funcionamento: por razões fundamentalmente de ordem técnica, os períodos de paragem e funcionamento não devem ser muo reduzidos. Valores mínimos típicos para grupos com turbinas a vapor são 2 a 12 horas para o tempo de paragem e 1 a 8 horas para o tempo de funcionamento. Os restantes tipos de máquinas apresentam tempos mínimos menores [4]. Limes de produção: valor máximo e mínimo da potência produzida pelo grupo, fixados por razões técnicas e económicas. Por exemplo, nos grupos Dieseis, a produção a potências baixas é economicamente inviável, embora fosse possível tecnicamente (usando óleo diesel em vez de fueloil). Valores típicos da potência mínima para grupos com turbina a vapor são 40 a 70% da potência máxima. Estes limes também se utilizam no despacho. Taxas máximas de tomada e deslastre de carga: não sendo possíveis variações muo rápidas da potência produzida pelos grupos, definem-se taxas máximas de tomada e deslastre de carga (MW/h) que condicionam as alterações de produção em intervalos de tempo sucessivos. No despacho horário associado ao escalonamento, designado normalmente por pré-despacho, estes limes têm sobretudo influência nos períodos iniciais e finais de funcionamento. Estas restrições também são utilizadas no despacho multi-período, normalmente sob a forma de janelas de operação (máxima variação entre períodos seguintes) [4]. 2.3 Formulação Matemática do Problema Nesta tese o problema de Escalonamento de Produção é formulado como sendo um problema de Programação Inteira Mista (PIM). Índices 2.3.1 Notação utilizada t índice dos intervalos de tempo (t = 1 a T) i índice das unidades de produção térmicas (i = 1 a I) T Período de escalonamento I Número de geradores térmicos

Escalonamento de Geradores Te rmicos 15 Variáveis de decisão u 1 se a unidade i estiver ligada, 0 se a unidade i estiver desligada P Nível de produção do gerador i no período t (MW) Variáveis auxiliares y 1 se a unidade i for ligada no período t yc 1 se o arranque no período t for a frio yh 1 se o arranque no período t for a quente T OFF - Número de períodos consecutivos que a unidade i esteve desligada antes do período t T ON - Número de períodos consecutivos que a unidade i esteve ligada antes do período t Parâmetros do problema P i min, P i max Nível de produção mínima e máxima dos das unidades i (MW) T i on, T i off Tempo mínimo de funcionamento e de paragem da unidade i (h) up r i Taxa máxima de tomada da carga da unidade i (MW/h); r down i Taxa máxima de deslastre da carga da unidade i (MW/h); P d t Carga total do sistema no período t (MW); R t - Reserva girante do sistema no período t (MW); a i, b i, c i Parâmetros do custo de combustível da unidade i ($/MW2h, $/MWh e $/h) C h i, C c i Custo de arranque a quente ou arranque a frio, da unidade i; cold t i Número de horas que a caldeira de i unidade precisa para arrefecer (h) Estado inicial dos geradores ui 0 1 se a unidade i está ligada para t<1, 0 noutro caso T OFF i0 - Número de períodos consecutivos que a unidade i esteve desligada antes do período t = 1 T ON i0 - Número de períodos consecutivos que a unidade i esteve ligada antes do período t = 1

Escalonamento de Geradores Te rmicos 16 2.3.2 Função Objectivo A função objetivo deste problema consiste em minimizar o custo total de produção em todos os períodos, dado pela soma do custo de combustível, custo de arranque e de paragem. min comb arranq paragem C C C i t T i I (2.6) 1) Custo de combustível Tradicionalmente o custo de combustível é formulado como uma função quadrática, dado por: C comb 2 ai P bi P ci se u 1,, i I, t T 0 se u 0 (2.7) 2) Custo de Arranque A figura 2.2 faz uma representação gráfica do custo de arranque de geradores térmicos. Como se pode reparar, o custo de arranque depende do tempo que o gerador permanece desligado até o próximo arranque. Num período qualquer, se o gerador i arrancar, este arranque pode ser a frio ou a quente. Para t off superior a t cold, o arranque é considerado a frio, caso contrário o arranque é considerado a quente. Uma vez que o horizonte de planeamento está divido em períodos horários, a função de custo de arranque também pode ser representada como uma função discreta representada matematicamente por: C arranq C C ONN _ h i ONN _ c i se T se T OFF OFF t t cold, cold (2.8) auxiliares Para formular a equação do custo de arranque na forma linear, usaram aqui variáveis binárias yh que toma o valor de 1 caso o arranque ocorrer a quente, e caso o arranque ocorrer a frio. Assim a equação (2.8) fica: yc que tomam valor de 1 C arranq ONN _ h ONN _ c C. yh C. yc, i I, i i t T (2.9) yh yc y, i I, t T (2.10)

Escalonamento de Geradores Te rmicos 17 u u j t t t 1 cold jt 1 yc, i I, t T (2.11) A restrição representada na equação (2.10) impede que as variáveis auxiliares valor de 1 simultaneamente. yh e yc tenham 3) Custo de paragem Em alguns geradores térmicos considera-se que há um custo associado à paragem da máquina. Uma forma de formular este custo está no uso de uma variável binária s, que toma o valar de 1 caso o gerador seja desligado no período t. Assim sendo, o custo de paragem fica formulado como: C paragem OFF C. w, i I, t T i (2.12) 2.3.3 Restrições do Problema As restrições aqui consideradas podem ser divididas em restrições do sistema e restrições técnicas das unidades produtoras. Restrições do Sistema Restrição do Balanço de Potência Activa do Sistema A restrição do balanço de potência ativa do sistema é considerada como uma das restrições básicas do problema de escalonamento de produção. Um dos requisos principais do escalonamento da produção é que a potência produzida em cada período seja igual à carga requerida neste período. Esta restrição nunca pode ser violada, porque se houver suações em que a carga requerida num determinado período é superior à produção, pode haver corte de carga. Por outro lado, se a potência produzida num determinado período for muo superior á carga, esta suação põe em causa a segurança do sistema. A restrição de balanço de potência é dada pela equação (2.13). i I P D, t i I, t T (2.13)

Escalonamento de Geradores Te rmicos 18 Restrição de Reserva Girante do Sistema Outra restrição do sistema considerado aqui é o requiso da reserva girante. É necessário dispor da reserva girante para suprir aumentos inesperados da carga ou para manter o serviço em caso da perda de uma unidade produtora. Como do anteriormente, na formulação do problema de escalonamento dos geradores térmicos a reserva girante definida para cada período é definida de acordo com o princípio do valor igual a uma percentagem da carga prevista para o intervalo, valor igual à potência máxima da maior unidade em funcionamento ou reserva que garanta um risco de perda de carga inferior a certo valor, tendo em conta as probabilidades de avaria dos grupos. Nesta tese a reserva girante de cada intervalo é definida para um valor igual a uma percentagem da carga prevista. A formulação da restrição da reserva girante do sistema é dada pela equação (2.14). com: i I P max D R, i I, t T t t max max P u. Pu, i I, t 2... T t 1 u, i I, t 2 T max up max P Pi, t 1 ui, t 1. Ri Pu i, t 1... (2.14) (2.15) (2.16) Restrições técnicas dos geradores As restrições técnicas são usadas para representar as limações técnicas dos geradores. Também são usadas por questões de segurança dos próprios geradores. As restrições técnicas aqui consideradas são o lime de produção, a taxa de tomada e deslastre da carga e o tempo mínimo de funcionamento e paragem, e as restrições de rampa. Restrição dos Limes de Produção das Unidades Produtoras Por razões técnicas e/ou económicas são estabelecidos o valor máximo e mínimo de potência produzido por cada unidade. Por exemplo, nas unidades a diesel não é economicamente viável produzir a baixa potência, embora isto seja possível tecnicamente. Esta restrição é dada pela equação (2.17). Com esta formulação, quando a variável binária u for igual a 0, automaticamente p toma valor de 0. P min i. u max P P. u, i I, i t T (2.17)

Escalonamento de Geradores Te rmicos 19 Taxa de tomada e deslastre da carga ou Restrições de Rampa Por questões técnicas as unidades geradoras não podem variar bruscamente o nível de produção entre períodos consecutivos. As restrições de tomada e deslastre da carga têm por objectivo restringir a variação de potência produzida por cada unidade produtora em períodos consecutivos. Na formulação matemática proposta foi considerado que no arranque ou na paragem os geradores podem ser ligados ou desligados a qualquer nível de potência, mas durante o funcionamento as taxas de toma e deslastra da carga são iguais à potência mínima de cada unidade geradora. A formulação matemática desta restrição é descra pelas equações (2.18) e (2.19). Tomada da carga up P P R. u, i I, t T i, t 1 Deslastre da carga Down Pi, t 1 P Ri. u i I, t T Tempos mínimos de funcionamento e de paragem i (2.18) (2.19) Como descro anteriormente, por questões técnicas são estabelecidos os tempos mínimos de funcionamento e de paragem das unidades térmicas. Se uma unidade for desligada ou ligada no período t, esta deve permanecer neste estado até completar o tempo mínimo de paragem ou de funcionamento. É necessário levar em consideração a condição inicial das unidades, ou seja, o número de horas que as unidades permaneceram ligadas ou desligadas antes do período do início do escalonamento. A formulação matemáticas das restrições do tempo mínimo de funcionamento e de paragem é apresentada pelas equações (2.20) a (2.23). Período inicial u 1, i I : u 1, t 0... inicial i ON u (2.20) u 0, i I : u 0, t 0... inicial i OFF u (2.21) ON ON inicial OFF OFF inicial Sendo max 0, T t e max 0, T t u i i u i i

Escalonamento de Geradores Te rmicos 20 Restantes períodos Tempo mínimo de funcionamento j max t t T y ON i 1, u 1, i I, t T (2.22) Tempo mínimo de paragem j max t t T s OFF i 1, 1 u 1, i I, t T (2.23) Restrições das variáveis binárias u u y, t T, i, t 1 i I (2.24) w y u t T,, i, t 1 i I (2.25) Linearização da função do custo de combustível Tipicamente, a função que representa o custo de combustível de geradores térmicos é uma função quadrática representada pela equação (2.7). Na formulação do problema como um problema de programação linear inteira mista todas as equações das restrições e a função objetivo devem estar na forma linear. Nas formulações matemáticas das equações apresentadas neste capítulo, a única equação que não se encontra na sua forma linear é a equação do custo de combustível. Por isso é necessário linearizar esta equação para que o problema seja formulado como um problema de programação linear inteira mista. A aproximação linear da equação do custo de combustível é apresentada pela equação (2.26) C comb max max 2. a. P b. P c a. P i i 0 i 2 i i. u se u 1,, i I, t T se u 0 (2.26)

Escalonamento de Geradores Te rmicos 21 Na formulação apresentada nesta tese é assumido que todas as unidades geradoras encontram ligadas num barramento comum, por isso não foi considerada a restrição da rede de transporte. 2.4 Solução do Problema A resolução do problema do escalonamento de geradores está na procura da combinação ótima de geradores a serem ligados em cada período, tendo como principal restrição a satisfação das cargas e outras restrições a mínimo custo. A solução deste problema pode ser representada por uma matriz binária, de dimensão ng x nt, sendo ng o número de geradores disponíveis e nt o número de intervalos de escalonamento. O valor zero ou um da matriz indica o estado ligado ou desligado das unidades geradoras (ver tabela 2.1). Tabela 2.1 - Matriz da Solução de um Problema de Escalonamento de Geradores Térmicos O despacho dos geradores só é feo após a resolução do problema de escalonamento. No despacho é determinado o nível de produção dos geradores ligados, para satisfação da carga a mínimo custo (ver tabela 2.2). Tabela 2.2- Solução do Problema de despacho Económico Através da solução do escalonamento e do despacho económico, calcula-se o valor do custo total de produção, dado pela equação da função objetivo.

Escalonamento de Geradores Te rmicos 22

Escalonamento de Geradores Te rmicos incluindo a Produça o Eo lica 23 Capítulo 3 Escalonamento de Geradores Térmicos Capít ulo 3 Incluindo a Produção Eólica Com vista a reduzir a emissão dos gases causadores do efeo de estufa aos níveis estabelecidos no protocolo de Quioto, o sector elétrico vem passando por transformações significativas nas últimas décadas. A cada ano verifica-se um aumento da parcela de fontes renováveis na matriz energética dos sistemas de potência em todo o mundo. Em busca da diminuição da dependência dos combustíveis fósseis e da redução das emissões de gases causadores do efeo de estufa, a produção de energia elétrica por meio de fontes renováveis, em especial a eólica, tem recebido fortes incentivos governamentais. Um exemplo clássico desse interesse pelas fontes renováveis é a Associação Europeia de Energia Eólica, a qual tem como meta elevar a capacidade instalada de centrais eólicas na Europa para 150 GW até 2020 [13]. Fig. 3.1- Energia Eólica total instalada 1997-2010 e perspetiva de crescimento até 2020 [13] A energia eólica é hoje em dia vista como uma das mais promissoras fontes de energia renováveis, caracterizada por uma tecnologia madura baseada principalmente na Europa e nos EUA. As turbinas eólicas, isoladas ou em pequenos grupos e cada vez mais em parques eólicos com quarenta e cinquenta unidades, são já um elemento habual da paisagem de muos países europeus, nomeadamente a Alemanha, Dinamarca, Holanda e, mais recentemente, o Reino Unido a Espanha e

Escalonamento de Geradores Te rmicos incluindo a Produça o Eo lica 24 Portugal. Em Portugal tem-se assistido nos últimos anos a um acentuado crescimento da produção eólica, motivado pela aprovação da Diretiva das Energias Renováveis. 3.1 Previsão e Incerteza da Produção Eólica Há uma década a penetração da energia eólica no sistema elétrico era muo baixa, insignificante em comparação com a capacidade total do sistema, de modo que a energia eólica produzida era vista como uma carga negativa no processo de planificação da produção. Actualmente em alguns países da Europa, o nível de penetração da eólica no sistema elétrico já alcança níveis de 15% a 20% da produção total, de modo que seria errado estar a ver esta penetração como carga negativa no processo do planeamento da produção porque a energia eólica já preenche uma parcela significativa do diagrama de carga. Um dos problemas da integração de energia eólica no sistema elétrico é a incerteza da produção. Esta questão é atualmente um tema de grande interesse para a indústria eólica. Apesar do crescimento da produção eólica, a possibilidade de controlar este recurso é extremamente difícil devido à sua natureza intermente e volátil. A capacidade de gerir a integração da produção eólica na rede elétrica depende essencialmente da sua previsão, sendo assim necessária a existência de ferramentas computacionais apropriadas. A previsão da energia eólica é essencial para os operadores do sistema elétrico pelas seguintes razões: - Ajuda na gestão do congestionamento - Identificação de possíveis instabilidades na rede como desconexões de equipamentos de protecção devido a ecos de tensão ou perturbações na frequência; - Estimação da reserva girante. Devido à natureza volátil do vento, a produção eólica não oferece garantia de potência, o que obriga dispor de reserva adicional de outras fontes de produção para fazer frente a uma possível ausência da produção eólica; - Plano de intercâmbios internacionais com sistemas elétricos vizinhos tendo em conta a disponibilidade ou excesso de produção eólica que não pode ser consumida. Os sistemas de previsão da energia eólica permem estimar a produção horária de um parque ou conjunto de parques eólicos para um horizonte de vários dias. Esta previsão faz diminuir os desvios nos programas de produção e minimiza o impacto na operação do sistema, fazendo com que esta seja mais fiável e segura. Dispor de bons sistemas de previsão perme aumentar o nível de penetração da energia eólica no sistema elétrico, sem por em causa a segurança e fiabilidade na operação do sistema.

Escalonamento de Geradores Te rmicos incluindo a Produça o Eo lica 25 3.1.1 Modelos de Previsão da Energia Eólica Os modelos de previsão são caraterizados pelo seu horizonte temporal, ou seja, pelo período de tempo para o qual o sistema fornece valores de previsão, como por exemplo, horizontes de 24 horas, 48 ou 72 horas. Estes modelos podem ser subdivididos em muo curto prazo, curto prazo, médio prazo e longo prazo. Previsões de muo curto prazo - estes sistemas operam para horizontes temporais de muo curto prazo, desde alguns segundos até 6 horas, e estão associados a suações de participação no mercado intradiário, de controlo dos aerogeradores, de definição da garantia de segurança de abastecimento por parte do operador da rede elétrica e de gestão de unidades convencionais rápidas que participam nos serviços de sistema (muo usual em sistemas isolados, como por exemplo, ilhas) [14]; Previsões de curto prazo - este tipo de previsões está normalmente definido para intervalo de previsão de 30 minutos a 72 horas. Esta previsão é relevante para a participação no mercado diário, embora o horizonte de previsão necessário seja definido pela exigência do operador de mercado sobre a antecedência das previsões [14]; Previsões de médio e longo prazo - o intervalo de previsão pode variar entre vários dias ou até pode chegar a meses ou anos. As previsões de médio prazo estão normalmente associadas ao apoio na gestão das centrais elétricas convencionais e para programar os planos de manutenção dos aerogeradores para os dias em que a previsão da produção eólica é baixa ou nula. Previsões de longo prazo são úteis na seleção de locais para a localização de parques eólicos. Os modelos de previsão da energia eólica a curto prazo utilizam diferentes informações de entrada, tais como informações da previsão numérica do tempo, estado do tempo no local dos parques, informações do estado de funcionamento em tempo real dos parques eólicos fornecidos pelo sistema SCADA e informações adicionais sobre caraterísticas dos parques eólicas e a orografia 2 dos terrenos perto dos parques. Estes modelos de previsão da energia eólica podem ser classificados em modelos físicos ou estatísticos. Modelos Físicos de Previsão da Energia Eólica Os modelos físicos baseiam-se nas leis físicas para alcançar as previsões com base na modelação do escoamento do ar, considerando a presença de obstáculos, a rugosidade e a orografia do terreno. Os 2 Descrição do relevo de uma região

Escalonamento de Geradores Te rmicos incluindo a Produça o Eo lica 26 modelos Numerical Weather Prediction (NWP) são modelos computacionais de simulação do comportamento da atmosfera baseados em leis físicas e com um âmbo de previsão à escala continental e de 3 a 72 horas. Fig. 3.2 - Diagrama Geral dos modelos físicos [14] Por vezes, os modelos físicos recorrem à introdução de modelos estatísticos com a finalidade de melhorarem o seu desempenho. Na figura 3.2 a cinzento estão representadas as possibilidades de integração dos modelos estatísticos, Model Output Statistics (MOS), que operam com base na informação adquirida no parque em tempo real. O MOS faz um ajuste estatístico do output dos modelos físicos para as medidas obtidas em tempo real. Os modelos NWP incorporam internamente um modelo MOS. Os modelos físicos recorrem às considerações físicas atmosféricas para alcançarem as melhores previsões possíveis da velocidade de vento no local. De forma a reduzir o erro sistemático, é introduzido um modelo MOS. Para converter as previsões da velocidade do vento em potência são aplicados modelos de curva de potência que têm como princípio de funcionamento a transposição de valores de velocidade de vento em valores de potência elétrica, recorrendo à curva de potência característica de cada aerogerador. A curva de potência pode ser fornecida pelo fabricante ou pode ser identificado por processamento de históricos de séries temporais com potência produzida pela máquina em função das características do vento (velocidade, direção, etc.). Quando a curva de potência é disponibilizada pelo fabricante, normalmente surge um erro na previsão da potência do parque. Este erro surge uma vez que a curva de potência não é dependente apenas das características da máquina, mas também da orografia do terreno e do próprio desempenho da máquina, consequência da

Escalonamento de Geradores Te rmicos incluindo a Produça o Eo lica 27 parametrização dos coeficientes de controlo de cada turbina. Modelos Estatísticos de Previsão da Energia Eólica Os modelos estatísticos não usam tanta informação específica dos parques eólicos (orografia do terreno, características dos aerogeradores) como os modelos físicos. Simplesmente relacionam os dados históricos de potência registada com variáveis como a velocidade e direção do vento, evando desta forma elevadas tempos de processamento em comparação com os modelos físicos. Fig. 3.3- Diagrama Geral dos modelos estatísticos [14] Existem modelos que tentam combinar as vantagens dos modelos físicos e estatísticos num só modelo. Estes modelos são denominados modelos híbridos representado pela 3.4..

Escalonamento de Geradores Te rmicos incluindo a Produça o Eo lica 28 Fig. 3.4 - Diferentes modelos de previsão da energia eólica [15] Qualquer modelo de previsão da energia eólica só poderá obter resultados satisfatórios se, à partida, obtiver melhores resultados, ou seja, menores erros na previsão, que os métodos considerados como sendo métodos de referência. O erro que relaciona os resultados previstos com a sua incerteza aumenta quando o prazo de previsão é alargado. A figura 3.5 faz a representação deste tipo de erro. Fig. 3.5 - Erro de previsão de energia eólica para diferentes horizontes temporais [16] A precisão dos resultados da previsão depende em maior parte da qualidade dos dados das previsões meteorológicos, da complexidade do terreno onde se encontram os aerogeradores e também dependo muo das características dos aerogeradores, como por exemplo, a curva de potência. Por isso, pode haver grandes diferenças de erros de previsão entre parques eólicos suados em locais diferentes. Para a finalidade do planeamento da produção diária, os resultados das previsões eólicas são disponibilizados ao Operador do Sistema com uma antecedência de 2 a 3 dias. 3.1.2 Estimação da Incerteza da Previsão da Energia Eólica A previsão meteorológica está afetada em maior ou menor medida pela incerteza, que se vai acumulando desde os processos de observação à escala global até à estimação da produção de um aerogerador em função das condições atmosféricas à escala local. Estas incertezas estão associadas em grande mediada a fatores não controláveis, dado que ainda não é possível conhecer com exatidão atempadamente, o estado presente do tempo. Os primeiros modelos de previsão forneciam apenas um ponto de previsão, ou seja, apenas a previsão da potência eólica, mas actualmente encontram-se no mercado modelos que fornecem vários

Escalonamento de Geradores Te rmicos incluindo a Produça o Eo lica 29 tipos de informações tais como a previsão da produção e a incerteza associada. As incertezas poderão ser representadas na forma de previsão probabilística, índices de risco ou cenários associados às previsões de curto prazo. Previsões Probabilísticas As previsões probabilísticas estimam a incerteza da produção através de medidas de probabilidade. Nos últimos anos houve vários estudos para a estimação das incertezas da produção eólica. Estes estudos concentram-se em identificar as principais fontes de incerteza na previsão da produção. Chegaram á conclusão que as principais fontes de incerteza são os resultados da previsão do tempo e também identificaram como outra fonte de incerteza a não linearidade entre a velocidade do vento e a potência produzida pelas turbinas. Em [17] os autores fizeram uma comparação dos diferentes modelos de estimação probabilística da produção eólica. Para efetuar a previsão da produção dos parques eólicos são utilizadas variáveis aleatórias que podem ser expressas em formas de: funções de densidade de probabilidade (pdf); Funções densidade de probabilidade acumulada (cdf); Funções massa de probabilidade (pmf); Momentos de distribuição (média variância); Quantis e intervalos de previsão; Actualmente as previsões probabilísticas são apresentadas de forma mais comum em quantis. Os quantis são também utilizados para criação de intervalos que fornecem uma gama de valores em que o valor esperado poderá ocorrer. Estes intervalos são denominados de intervalos de previsão [14]. Fig. 3.6 - Representação probabilística por conjunto de intervalos ou quantis [18]

Escalonamento de Geradores Te rmicos incluindo a Produça o Eo lica 30 Índice de Risco Uma das fontes que introduz erro na previsão de potência eólica é a previsão das variáveis meteorológicas devido à sua grande instabilidade. No caso de existirem condições atmosféricas muo instáveis, as variáveis de NWP previstas vão apresentar valores elevados de erro e como consequência obter-se-á más previsões de potência eólica. Assim, pode-se concluir que por vezes os erros que um modelo de previsão da energia eólica produz não dependem dele próprio, mas sim das variáveis de entrada desse modelo. Para além da previsão da incerteza e de pontos de previsão surgem os índices de risco, que recorrendo à sua utilização é possível fornecer o nível de precisão esperado para determinada previsão. A previsão dos índices de risco consiste apenas num único valor, que tem como objectivo fornecer informações sobre a magnude do erro esperado. Uma das vantagens dos índices de risco é a sua fácil compreensão por parte dos seus utilizadores, o que por vezes não acontece com as previsões probabilísticas. No entanto, quando surgem problemas e existe a necessidade de tomar uma decisão, aos índices de risco será sempre necessário associar a incerteza na previsão eólica. Estes índices podem apoiar na questão da largura dos intervalos. Cenários de Produção Eólica A constuição de previsões sobe a forma de cenários, parte das distribuições de incerteza da energia eólica, constuindo uma representação estocástica de valores de potência. Cada cenário tem uma probabilidade de ocorrência. A energia eólica prevista a cada período, representada pela linha vermelha na figura 3.7 é determinada pela soma ponderada dos cenários. Em [19] os autores apresentam uma metodologia para a criação dos cenários de produção eólica. Na figura 3.7 é apresentado um exemplo de conjunto de cenários de produção eólica.

Escalonamento de Geradores Te rmicos incluindo a Produça o Eo lica 31 Fig. 3.7 - Representação de cenários de produção eólica [18] 3.2 Estado de Arte Muos estudos têm sido feos recentemente para analisar o impacto da crescente penetração da energia eólica na matriz energética. Em [20] foram propostas duas estratégias para abordar o risco introduzido pela energia eólica. Na primeira estratégia o problema foi formulado como um modelo de otimização multiobjetivo. As duas funções objetivo a minimizar foram o custo de produção e a energia eólica esperada e não produzido (EENP 3 ). O problema foi proposto como um modelo de otimização fuzzy e foi resolvido usando Programação Linear Inteira Mista. Na segunda estratégia o problema foi formulado como um modelo de otimização mono-objetivo em que a função objectivo era minimizar o custo de produção. Nesta estratégia a cada período é calculado o valor da EENP e logo adicionada ao valor da reserva girante. Neste trabalho as incertezas da produção eólica foram dadas como função de densidade de probabilidade acumulada, ou seja, foram dadas as probabilidades da produção eólica ser igual ou superior a certo valor. Os resultados obtidos foram satisfatórios, mas os autores não consideraram a possibilidade da produção eólica ser abaixo do valor da probabilidade acumulada (ver [20]). Em [21] foi proposta uma formulação em que procuram minimizar o valor da EENP e o excesso da produção provocada pela volatilidade da produção eólica. O valor da EENP é adicionado ao valor da reserva girante e o excesso da produção é subtraído ao valor da reserva girante. Desta forma a formulação proposta considera a possibilidade de aumentar ou baixar o valor da reserva girante a cada período. A formulação fea é determinística e não considera a possibilidade da produção eólica real ser abaixo do valor usado na resolução do problema. 3 Funça o que quantifica o montante da energia eo lica prevista e que na o sera produzida no período t devido aos erros de previsa o

Escalonamento de Geradores Te rmicos incluindo a Produça o Eo lica 32 Em [22] foi proposta uma formulação estocástica para resolver o problema de escalonamento de geradores com integração da energia eólica. Os autores analisaram o impacto no custo total de produção de estar a ligar frequentemente os geradores durante o período de planeamento. Chegaram á conclusão que ligar constantemente os geradores faz baixar o custo da produção e também faz aumentar a segurança do sistema. Contudo, ao usar este procedimento, pode-se estar a violar a restrição técnica do tempo mínimo de paragem e de funcionamento dos geradores. Neste trabalho são propostos dois modelos de formulação do problema de escalonamento de produção para lidar com as incertezas da produção eólica. Em ambos os modelos as incertezas da produção eólica são dadas em forma de cenários de produção com dada probabilidade de ocorrência. No primeiro modelo, o problema é formulado como um problema de otimização estocástico. Nesta formulação todos os cenários de produção eólica são levados em consideração no processo de otimização. No segundo modelo, o problema é formulado como um problema de otimização determinística. Nesta formulação, o escalonamento é feo para cada cenário de produção eólica e no fim determina-se a melhor solução por meio de indicadores de avaliação. Os modelos propostos foram formulados como problemas de Programação Inteira Mista e resolvidos utilizando o Solver IBM ILOG CPLEX Optimization Studio [23].

Metodologias Propostas 33 Capítulo 4 Metodologias Propostas Capít ulo 4 Neste trabalho são propostos dois modelos de formulação do problema de escalonamento de geradores, incorporando a incerteza da produção eólica. Em ambos os modelos a incerteza da produção eólica é dada em forma de cenários de produção. No primeiro modelo o problema é formulado como um problema de otimização estocástico. Nesta formulação todos os cenários de produção eólica são levados em consideração no processo de otimização. No segundo modelo o problema é formulado como um problema de otimização determinística. Nesta formulação o escalonamento é feo para cada cenário de produção eólica e no fim determina-se a melhor solução por meio de indicadores de qualidade. 4.1 Modelo Estocástico do Problema A incerteza da produção eólica devido à sua volatilidade e difícil previsão traz muos desafios ao operador do sistema, principalmente no planeamento da produção diária. Nesta seção é apresentado um modelo estocástico do problema de escalonamento de geradores para lidar com a incerteza associada à produção eólica. A produção eólica é dada em forma de cenários de produção com certa probabilidade de ocorrência tal como apresentado na figura 3.7. 4.1.1 Notação Utilizada Índices t índice dos intervalos de tempo (t = 1 a T) i índice das unidades de produção térmicas (i = 1 a I) s- índice dos cenários (s=1 a S) Variáveis de decisão u 1 se a unidade i estiver ligada, 0 se a unidade i estiver desligada P s Nível de produção do gerador i no período t para o cenário s (MW) Variáveis auxiliares

Metodologias Propostas 34 y 1 se a unidade i for ligada no período t yc 1 se o arranque no período t for a frio; yh 1 se o arranque no período t for a quente; T OFF - Número de períodos consecutivos que a unidade i esteve desligada antes do período t T ON - Número de períodos consecutivos que a unidade i esteve ligada antes do período t Parâmetros do problema P i min, P i max Nível de produção mínima e máxima das unidades (MW) PE st Energia eólica prevista no período t para o cenário s al PE Re t T i on -Energia eo lica produzida no período T, T i off Tempo mínimo de funcionamento e de paragem da unidade i (h) up r i Taxa máxima de tomada de carga da unidade i (MW/h) r down i Taxa máxima de deslastre de carga da unidade i (MW/h) P d t Carga total do sistema no período t (MW) R t - Reserva girante do sistema no período t (MW) a i, b i, c i Parâmetros do custo de combustível da unidade i ($/MW2h, $/MWh e $/h) C h i, C c i Custo de arranque a quente ou arranque a frio, da unidade i cold t i Número de horas que a caldeira de unidade i precisa esfriar (h) Estado inicial dos geradores ui 0 1 se a unidade i está ligada pata t < 1, 0 se não. T OFF i0 - Número de períodos consecutivos que a unidade i esteve desligada antes do período t = 1 T ON i0 - Número de períodos consecutivos que a unidade i esteve ligada antes do período t = 1 4.1.2 Formulação do Problema Na formulação estocástica do problema de escalonamento de geradores térmicos com integração da produção eólica apresentada nesta seção são considerados todos os cenários de previsão da produção eólica na função objetivo. Neste modelo estocástico o problema é dividido em duas partes. Na primeira parte, o problema é formulado como um problema de programação estocástica a fim de determinar a solução de escalonamento dos geradores térmicos. Na segunda parte é fea uma formulação determinística para determinar a solução do despacho económico (DE). Na determinação do despacho económico são fixadas as variáveis dos estados dos grupos estados ON/OFF dados pela solução do

Metodologias Propostas 35 problema de escalonamento e é considerado o valor real da produção eólica, assumindo que este valor corresponde a um dos cenários previsto. O fluxograma da figura 4.1 representa a sequência de procedimentos para adaptar este método ao problema de escalonamento e despacho económico. Fig. 4.1 - Fluxograma da primeira metodologia proposta Função Objetivo A função objetivo consiste em minimizar o custo de produção em todos os períodos e cenários, dado pelo somatório do custo de combustível e custos de arranque e paragem dos geradores térmicos. É assumido que a energia eólica não tem custo de produção. A formulação matemática da função objetivo é representada pela equação (4.1). min s S probs t T i I C comb s C arranq s C paragem si (4.1)

Metodologias Propostas 36 Com esta formulação, cenários que possuem baixas probabilidades de ocorrência não vão ter muos custos associados. É de referir que a somatória das probabilidades é igual a um. O custo de combustível é dado por: C comb s 2 ai ps bi pist ci se u 1,, i I, t T 0 se u 0 (4.2) A formulação do custo associado ao arranque dos geradores é equivalente às formulações feas em (2.8) a (2.11). É assumido que o custo de paragem dos geradores é nulo. Restrições do Problema Restrição do Balanço de Potencia Activa do Sistema Com a integração da produção eólica, a carga passa a ser alimentada pela produção dos geradores térmicos e pela produção eólica. Na formulação matemática desta restrição é considerado que a energia eólica não é despachada, tal como acontece em Portugal, portanto é assumido que toda a produção eólica é injetada na rede elétrica. A formulação da restrição de balanço de potência é dada pela equação (4.3). i I P s PE st D, t i I, t T (4.3) Restrição de Reserva Girante do Sistema A formulação da restrição da reserva girante do sistema é dada pela equação (4.4). i I P max s PE st D R, t t i I, t T, s S (4.4) Com: P max s max u. P, i I, t T, i t s S (4.5) P max P si, t 1 u, i I, t T s S up max 1 ui, t 1. Ri Pu i, t 1, (4.6) Restrição dos Limes de Produção P min i. u max P P. u, i I, t T, s i s S (4.7)

Metodologias Propostas 37 Taxa de tomada e deslastre da carga ou Restrição de Rampa Tomada da carga P s up P R. u, i I, t T, s S si, t 1 i (4.8) Deslastre da carga P si, t Down 1 Ps Ri u, i I, t T, s S (4.9) Tempo mínimo de funcionamento e de paragem A formulação das restrições do tempo mínimo de funcionamento e de paragem é semelhante à formulação fea no capítulo 2, representas pelas equações (2.20) a (2.23). As restrições das variáveis binárias também são semelhantes à formulação fea no capítulo anterior, dada pela equação (2.24) e (2.25). Determinação do Despacho Económico Função Objectivo Dispondo da solução do escalonamento dos geradores, o problema passa agora pela determinação da carga a atribuir a cada gerador ligado. Neste caso não se consideram os custos de arranque e de paragem e a função objectivo consiste em minimizar o somatório dos custos de combustível a cada período durante o horizonte do planeamento dado pela equação (4.10). min t T i I comb C (4.10) Restrições Nesta formulação já não se consideram as restrições do tempo mínimo de arranque e de paragem, nem as restrições das variáveis binárias. As restrições consideradas são dadas pelas equações (4.11) a (4.16) Restrição do Balanço de Potência Activa do Sistema i I P s PE st D, t i I, t T (4.11)

Metodologias Propostas 38 Restrição de Reserva Girante do Sistema i I P max PE Real t D R, i I, t t t T (4.12) Com: P max P max, i I, i t T (4.13) deslastre da carga ou Restrição de Rampa Tomada da carga P max up P R, i I, i, t 1 i t T (4.14) Taxa de tomada e P p up P R. i I, i, t 1 i t T (4.15) P si, t Down 1 Ps Ri i I, t T Deslastre da carga (4.16) 4.2 Modelo Determinístico do Problema Nesta seção é apresentada a segunda metodologia proposta para lidar com as incertezas da previsão eólica. Tal como na primeira metodologia, nesta também a produção eólica é dada em forma de cenários de produção. O problema é formulado como um problema de otimização determinística. 4.2.1 Descrição do Modelo A metodologia proposta aqui procura ajudar na escolha do melhor cenário de produção eólica para o escalonamento dos geradores térmicos. Inicialmente, para cada cenário de produção eólica é determinada uma solução de escalonamento, resultando dali tantas soluções de escalonamento quanto o número de cenários de produção. De seguida é escolhido o cenário de produção eólica a considerar na determinação da solução final do problema. Para determinar a solução final do problema, antes são analisadas as consequências de ocorrer

Metodologias Propostas 39 outro cenário de produção eólica que não o cenário considerado para o escalonamento. O fluxograma da figura 4.2 apresenta a sequência de procedimentos para adaptar este método ao problema de escalonamento e despacho económico. De seguida é fea a descrição de cada etapa do modelo proposto. Função Objetivo Fig. 4.2 - Fluxograma da segunda metodologia proposta A função objetivo tal como noutras formulações, consiste em minimizar o custo de produção em todos os períodos durante o horizonte de planeamento. O custo da produção é dado pela soma do custo de combustível e o custo de arranque dos geradores. A formulação é dada pelas equações (2.6) a (2.11) no capítulo 2. Restrições As restrições técnicas dos geradores térmicos (limes técnicos de funcionamento, taxa de tomada e deslastre da carga, tempo mínimo de paragem e funcionamento) consideradas nesta formulação são idênticas às consideradas no capítulo 2, uma vez que ambas se tratam de formulações determinísticas. As restrições do balanço do sistema e da reserva girante são dadas pelas equações (4.11) a (4.14). De uma forma geral o problema fica formulado como:

Metodologias Propostas 40 min comb arranq paragem C C Ci, S t T i I Sujeo a: comb C = Equação (2.7) arranq C = Equação (2.9) a (2.11) Restrições do Sistema i I P PE st D, i I, t T, t s S i I P max PE st D R, i I, t T, t t s S Com: P max P max, i I, t T, i s S P max Restrições Técnicas dos Geradores up P R, i I, t T, i, t 1 i s S Equações (3.16) a (3.24), S 4.2.2 Estratégia de seleção de uma solução Na metodologia apresentada nesta seção, inicialmente obtém-se várias soluções de escalonamento, ou seja, uma solução para cada cenário de produção eólica. O que realmente interessa para o operador do sistema é apenas uma solução de escalonamento, sabendo que apenas uma solução é que é operacionalizada. Por isso, é preciso decidir qual a solução a ser escolhida para operacionalizar. Para decidir qual a solução a escolher, primeiramente são definidos os indicadores de avaliação das soluções encontradas. Nesta metodologia são definidos dois indicadores de avaliação: o custo de produção e o corte de carga provocado pelo cenário escolhido. É de referir que neste trabalho não se pretende programar um sistema de apoio à decisão, mas sim a determinação de indicadores que permam escolher a melhor solução entre várias soluções de escalonamento.

Metodologias Propostas 41 Custo de Produção O custo de produção associado a cada cenário de produção eólica é igual à solução da função objetivo. Corte de carga Na operação do sistema elétrico há várias suações em que pode ocorrer corte de carga num dado ponto da rede. O corte de carga poderá ocorrer em suações de: Curto-circuo na rede seguida pela desconexão dos equipamentos de protecção; Avaria nos demais componentes do sistema; Corte de fornecimento para acções de manutenção; Corte da carga devido à insuficiência da produção; Etc... Em sistemas em que a produção é fea por fontes controláveis (centrais térmicas, hídricas, turbinas a gás, etc...) é quase impossível haver suações de corte de carga devido á insuficiência de produção, o que não acontece em sistemas em que a produção é fea incluindo fontes não controláveis como o caso da energia eólica. Neste trabalho considera-se que haverá suações de corte de carga se houver insuficiência da produção em algum período de escalonamento. Na metodologia proposta nesta secção, poderá haver suações de insuficiência de produção se a produção eólica real no período t for um cenário em que a produção é inferior à produção do cenário escolhido para o escalonamento dos geradores térmicos. De um modo geral, haverá corte de carga no período t, se neste período a carga for superior á soma da capacidade máxima de produção térmica e produção eólica verificada. O valor da carga a ser cortada pela escolha do cenário de produção eólica s se acontecer o cenário k é dado pela equação (4.17). C c arg a sk max max Dt ( Pts PEtk ) se Dt Pts PEtk t T, max 0 se Dt Pts PEtk s S (4.17) Onde max Pts representa a capacidade máxima de produção dos geradores ligados no período t para o cenário s e é dada pera equação (4.18). P max ts P i I max, i I, t T, s S (4.18) Até este ponto, foram definidos os indicadores de avaliação da melhor alternativa de

Metodologias Propostas 42 escalonamento, ou seja, o custo de produção e o corte de carga. O fluxograma da figura 4.3 representa a sequência de procedimentos adotada na decisão do melhor cenário de escalonamento. Fig. 4.3 Fluxograma de descrição do cálculo da melhor solução Na escolha do melhor cenário de escalonamento, definiu-se uma função de agregação dos dois indicadores que caracterizam uma determinada solução. A função de avaliação é dada pela equação (4.19). F s CO Total s. C c arg_ Max s (4.19) s S Onde α representa o atributo expresso em $/MW que quantifica economicamente o corte de carga. c Max CO e C arg_ representam o custo total de operação do cenário s e o corte de carga máximo do Total s cenário s. s 4.2.3 Caso Exemplo Para melhor compreensão da metodologia de escalonamento proposta nesta seção, é dado um exemplo de um problema de escalonamento de geradores térmicos num sistema constuído por quatro geradores, quatro cenários de produção e o escalonamento é feo para cinco períodos. As características dos geradores (limes máximos e mínimos de produção, os coeficientes associados ao custo de produção e os custos de arranque e de paragem) considerados neste exemplo

Metodologias Propostas 43 são dadas na tabela 4.1. A carga em cada período e os quatro cenários de produção eólica são apresentados na tabela 4.2. Tabela 4.1 Caraterísticas dos geradores usados no caso de estudo Unidades Pmin Pmax a($/mwh) b($/mw) c($/h) Custo_Arranq ($) Custo_Parag ($) 1 150 450 0,004 16 800 1000 200 2 100 300 0,005 18 600 700 150 3 80 200 0,007 20 400 400 100 4 50 150 0,009 22 300 350 100 Tabela 4.2 - Cargas e cenários de produção eólica a cada período Cenários Períodos Carga Reserva Cen1 Cen2 Cen3 Cen4 1 700 70 92 150 5 180 2 800 80 104 160 10 150 3 1000 100 87 90 5 90 4 950 95 108 150 15 400 5 900 90 90 250 20 300 Os resultados do escalonamento e do despacho económico em cada período dos geradores considerados neste exemplo são apresentados na tabela 4.3.

Metodologias Propostas 44 Tabela 4.3 - Valores para o escalonamento e despacho económico em cada período e o custo associado Os custos apresentados na tabela 4.3 representam os custos de produção em cada período, para os diferentes cenários considerados. Estes custos estão associados aos custos de combustível, custo de arranque e de paragem dos geradores escalonados. A capacidade máxima representada na tabela corresponde ao somatório das potências máximas dos grupos escalonados em cada período. Este parâmetro é utilizado no cálculo de corte de carga, um dos indicadores utilizados na seleção da melhor alternativa de escalonamento. Os valores de corte de carga que poderão ocorrer caso o cenário de produção eólica que ocorra seja diferente do cenário escolhido no escalonamento dos geradores, são dados na tabela 4.4. Estes valores foram calculados utilizando a equação (4.17).

Metodologias Propostas 45 Tabela 4.4 - Corte de carga (MW) Cenários Alternativas Cen1 Cen2 Cen3 Cen4 Total cen1 0 0 0 0 0 cen2 0 0 40 0 40 cen3 0 0 0 0 0 cen4 0 50 315 0 365 A leura do corte de carga representada nesta tabela é fea da seguinte forma: Se, por exemplo, for escolhido o cenário de produção um para o escalonamento da produção sabe-se logo que, caso ocorra qualquer outro cenário não vai haver nenhum corte de carga. Mas, se for escolhido o cenário de produção quatro, sabe-se logo que caso ocorra o cenário dois ou o cenário três, haverá um corte de carga de 50 MW e 315 MW, respetivamente. Outro indicador a ser levado em consideração na escolha da melhor alternativa é o custo de produção em cada cenário. Este indicador é apresentado na tabela 4.5. Tabela 4.5 - Representação do custo de produção para cada cenário Cenário Custo Produção ($) Cen1 81224,2 Cen2 74078,5 Cen3 90558,5 Cen4 67212,5 Até este ponto, já foram definidos e determinados os dois indicadores que caracterizam uma determinada solução. Pode-se agora calcular a função de avaliação das soluções aplicando a equação (4.19). O resultado da função de avaliação é representado na tabela 4.6, considerando que cada megawatt de carga cortada tem um custo de $ 500.

Metodologias Propostas 46 Tabela 4.6- Representação do resultado da função de avaliação de uma solução Cenário Fs= CO s +α.cc s Total Cen1 81224,2 Cen2 94078,5 Cen3 90558.5 Cen4 249712.5 Fazendo uma análise geral, pode-se constatar que se ocorrer um cenário de produção eólica inferior ao cenário considerado no escalonamento dos geradores pode haver uma suação de corte de carga, se a reserva girante não for suficiente para compensar a produção eólica esperada e não produzida. No exemplo dado aqui, a suação mais grave de corte de carga pode ocorrer se for escolhido o cenário quatro e ocorrer o cenário três. O método de otimização apresentado aqui tem a vantagem de informar a priori o operador do sistema sobre o risco associado à escolha de cada alternativa. Tendo em conta os resultados apresentados na tabela 4.6, pode-se decidir pela escolha do primeiro cenário para o escalonamento dos geradores. Este cenário não apresenta nenhuma suação de corte de carga e a função de avaliação apresentou um custo inferior aos restantes cenários. Nesta seção foi proposta a metodologia de escalonamento de geradores térmicos com integração da produção eólica. A metodologia proposta é formulada como um problema de otimização determinística. O problema de otimização é resolvido determinando, na primeira fase, várias soluções de escalonamento. Depois são calculados os indicadores de avaliação de uma solução para ajudar na escolha da melhor alternativa de escalonamento. A fim de melhor demonstração da metodologia proposta foi dado exemplo de escalonamento de um sistema constuído por quatro geradores em que o escalonamento é feo para períodos de cinco horas.

Metodologias Propostas 47 4.3 Implementação do Problema A ferramenta utilizada para implementar os casos de estudo é o solver IBM ILOG CPLEX Optimization Studio versão 12.4 [24]. Todo o problema é formulado utilizando a linguagem de programação OPL-Optimization Programming Language [24]. A máquina utilizado para o processamento do problema é um computador de marca Hewlett-Packard com um processador Pentium Dual Core com CPU de 2.0 GHz e 4 Gb de memória RAM. No IBM ILOG CPLEX Optimizations Studio os modelos podem ser implementados utilizando a linguagem de programação OPL- Optimization Programming Language ou também usando a linguagem Java. A linguagem OPL fornece uma descrição natural matemática de modelos de otimização. Usa uma sintaxe de alto nível para modelos matemáticos, produzindo assim um código substancialmente mais simples e mais curto do que as linguagens de programação de uso geral. A sua sintaxe não exige muo esforço computacional e suporta todas as expressões necessárias para modelar e resolver problemas, usando tanto programação matemática ou programação por restrição (ver [24]).

Metodologias Propostas 48

Concluso es 49 Capítulo 5 Apresentação e Análise de Resultados Capít ulo 5 Para analisar e comparar o potencial das metodologias propostas nesta tese, neste capítulo são apresentados alguns casos de estudo e os resultados das simulações feas para cada metodologia proposta no capítulo anterior. O objectivo deste estudo está na procura de uma estratégia de escalonamento de geradores térmicos de forma a minimizar os impactos negativos causados pela alta taxa de penetração da energia eólica na matriz da produção. Não sendo objectivo de estudo analisar nenhum sistema elétrico real, foi utilizado como caso de estudo o sistema teste apresentado em [25]. No primeiro estudo não é considerada a integração da energia eólica. São feas várias simulações para diferentes dimensões do sistema, partindo do sistema original constuído por dez geradores térmicos. No segundo estudo, é considerada a integração da produção eólica e são feas simulações de sistemas constuídos por vinte geradores Por último é fea a análise e comparação dos resultados entre as duas metodologias de otimização propostas no capítulo 4. 5.1 Caso de Estudo 1 No primeiro estudo feo não é considerada a integração da energia eólica. É feo o escalonamento considerando apenas os geradores térmicos apresentados no sistema teste. São feas simulações considerando 10, 20, 40, 60, 80 e 100 geradores, partindo do sistema teste base constuído por 10 geradores. Para as simulações com 20 a 100 geradores são sempre duplicados os geradores, a carga e a reserva girante do sistema teste base. A fim de comparar os resultados obtidos pela metodologia apresentada com os resultados obtidos por outras metodologias propostos na leratura, nas simulações feas não foram consideradas as restrições da taxa de toma e deslastre de carga. Para as suações em que os geradores são superiores a 40 em vez de utilizar a função quadrática do custo de produção, é utilizando a função linear, dada pela equação (2.26). Isto porque, o problema é formulado como um problema de programação linear inteira mista (PLIM).

Apresentaça o e Ana lise de Resultados 50 5.1.1 Sistema de Teste O sistema de teste proposto em [25] é constuído originalmente por dez geradores e o escalonamento é feo para um período de vinte e quatro horas. Neste sistema não é considerado a rede elétrica, portando assume-se que os geradores se encontram ligados num barramento comum. As caraterísticas técnicas dos geradores do sistema de teste, tais como os limes de funcionamento, os coeficientes da função de custo de produção, os tempos mínimos de funcionamento e paragem e os custos associados ao arranque são apresentados na tabela 5.1. Tabela 5.1 - Características dos dez geradores utilizados no sistema de teste Gerador P min P max a($/mw 2 h) b C Rampa subiba Rampa descida T min func T min parag Condc Inic Arranque quente Arraqnue Frio Tempo Frio ($/MWh) ($/h) (MW) (MW) (h) (h) (h) ($) ($) (h) 1 150 455 0,00048 16,19 1000 150 150 8 8 8 4500 9000 5 2 150 455 0,00031 17,26 970 150 150 8 8 8 5000 10000 5 3 20 130 0,002 16,6 700 20 20 5 5-5 500 1000 4 4 20 130 0,00211 16,5 680 20 20 5 5-5 500 1000 4 5 25 162 0,00398 19,7 450 25 25 6 6-6 900 1800 4 6 20 80 0,00712 22,26 370 20 20 3 3-3 170 340 2 7 25 85 0,00079 27,74 480 25 25 3 3-3 260 520 2 8 10 55 0,00413 25,92 660 10 10 1 1-1 30 60 0 9 10 55 0,00222 27,27 665 10 10 1 1-1 30 60 0 10 10 55 0,00173 27,79 670 10 10 1 1-1 30 60 0 As condições iniciais dos geradores dados na coluna Cond Inic da tabela 5.1, indicam o tempo em horas que os geradores se encontram ligados ou desligados no último período antes do início do escalonamento. Um valor posivo significa que o gerador se encontra ligado e um valor negativo significa que o gerador se encontra desligado. Neste trabalho é assumido que o escalonamento é diário e o período de escalonamento é de uma hora com início à uma da manhã e fim à meia-noe. O diagrama de carga para o período de 24 horas utilizado neste sistema teste está representado na figura 5.1. Os respetivos valores da carga encontram-se na tabela 5.2. O valor da reserva girante considerado é de 10% do valor da carga horária.

Apresentaça o e Ana lise de Resultados 51 3500 3000 2500 2000 1500 1000 500 0 0 5 10 15 20 25 30 Fig. 5.1 Digrama de carga do sistema de teste Tabela 5.2- Cargas utilizadas no caso de estudo Hora Carga (MW) Reserva (MW) Hora Carga (MW) Reserva (MW) 1 700 70 13 1400 140 2 750 75 14 1300 130 3 850 85 15 1200 120 4 950 95 16 1050 105 5 1000 100 17 1000 100 6 1100 110 18 1100 110 7 1150 115 19 1200 120 8 1200 120 20 1400 140 9 1300 130 21 1300 130 10 1400 140 22 1100 110 11 1450 145 23 900 90 12 1500 150 24 800 80 A apresentação da carga em forma de diagrama de carga evidencia de forma mais clara os períodos de maior e menor consumo durante o horizonte de escalonamento. Os períodos de maior consumo, das dez às catorze horas e das dezanove às vinte e uma horas, são considerados períodos de ponta.

Apresentaça o e Ana lise de Resultados 52 5.1.2 Resultados A primeira simulação é fea considerando o sistema teste base. O problema de escalonamento do caso em estudo contém 4136 restrições, 1809 variáveis, no qual 1310 são binárias e as restantes são variáveis contínuas. Na tabela 5.3 é apresentada a solução do problema sem considerar as restrições da taxa de tomada e deslastre da carga. São apresentados, para cada período, o valor da carga, os custos de arranque e de combustível, a matriz da solução do escalonamento, o número de geradores ligados, e a tabela da solução do despacho económico. O custo total de produção é dado pela soma dos custos de combustível e de arranque das unidades produtoras a cada período de escalonamento. Tabela 5.3 - Solução de escalonamento e despacho económico de dez geradores usados no sistema teste Na tabela 5.4 é apresentada a solução do problema considerando as restrições de tomada e deslastre da carga. Ao considerar estas restrições o custo total de produção aumentou cerca de 0.80%. Este aumento percentual embora pareça pouco significativo, para altos valores de custo de produção pode representar altos encargos. Neste caso teste este aumento representa um valor de $ 4568.

Apresentaça o e Ana lise de Resultados 53 Tabela 5.4 - Solução de escalonamento e despacho económico de dez geradores usados no sistema teste considerando restrições de rampa Os resultados obtidos pela metodologia proposta são comparados com os resultados das demais metodologias que estão propostas na leratura. Esta comparação é fea ao nível da solução da função objetivo e do tempo gasto na procura da solução do problema. Uma vez que se trata de um problema de minimização, a metodologia que apresentar menor solução da função objetivo sem violar nenhuma restrição, é considerada a mais adequada para problema em causa. Mas outro aspeto muo importante a ser considerada é o tempo gasto na procura da solução. Muas vezes é preferível uma boa solução em tempo útil, do que a solução ótima num tempo proibivo. O custo de operação encontrada pela equação linear de função objetivo equação (2.26) é avaliado na função quadrática dada pela equação (2.6). Os resultados da avaliação da solução do problema linear na função quadrática (SPLFQ) e os resultados obtidos para as várias simulações feas e para as metodologias propostas na leratura são apresentados na tabela 5.5.

Apresentaça o e Ana lise de Resultados 54 Tabela 5.5 - Resultado das várias metodologias de escalonamento de geradores térmicos propostos na leratura Metodologia 10 Geradores 20 Geradores 40 Geradores 60 Geradores 80 Geradores 100 Geradores Custo ($) Tempo (s) Custo ($) Tempo (s) Custo ($) Tempo (s) Custo ($) Tempo (s) Custo ($) Tempo (s) Custo ($) Tempo (s) LRMA [26] 565825 61 1128192 113 2249589 217 3370595 576 4494214 664 5616314,00 1338 PSO-LR [27] 565869 42 1128072 91 2251116 213 3376407 360 4496717 543 5623607,00 730 MA [26] 565827 84 1127254 287 2252937 1063 3388676 2276 4501449 5145 5640543,00 10463 PQIM 565828 5 1125997 9,8 2248593 1780 - - - - - - PLIM 564619 1123843 2244522 3363121 4484263 5602760,00 4,6 6,4 8,5 23 28 SPLFQ 565886 1126223 2249058 3370054 4493507 5614309,97 32 GA [28] 565825 221 1126243 733 2251911 2697 3376625 5840 4504933 10036 5627437,00 15733 O tempo de resolução dos problemas de otimização depende muas vezes da capacidade da máquina utilizada para resolver o problema. Por este motivo, ao comparar o tempo gasto na resolução de problemas de otimização entre as metodologias propostas, faz todo sentido indicar as caraterísticas das máquinas utilizas. Na tabela 5.6 são apresentadas as caraterísticas das máquinas utilizadas pelas metodologias comparadas. Tabela 5.6 - Máquinas utilizadas na resolução do problema de escalonamento Metodologia LRMA [26] PSO-LR [27] MA [26] PQIM PLIM Máquina utilizada Sun Ultra 2 wh dual 200 MHz UltraSPARC CPU Dell Dim 4100, 1GHz Sun Ultra 2 wh dual 200 MHz UltraSPARC CPU HP Pentium Dual Core, 2GHz HP Pentium Dual Core, 2GHz GA [28] HP 9000 Apollo model 720 workstation, 50 MHz De uma forma geral, a metodologia proposta apresenta resultados mais competivos em relação à maioria das metodologias comparadas. Um aspeto importante intrínseco à metodologia apresentada é a questão relacionada ao tempo gasto na procura da solução que é substancialmente menor em comparação com as outras metodologias. Os resultados obtidos foram bastante satisfatórios e podem ser considerados promissores, uma vez que a formulação do problema de escalonamento de geradores térmicos como um problema de programação inteira mista foi capaz de conciliar baixo esforço computacional com uma solução de alta qualidade para sistema de média dimensão. Para os sistemas compostos por 60, 80 e 100 geradores foi linearizado o modelo quadrático de custo de produção, ou seja, foi obtido um modelo linear aproximado. No entanto a solução obtida foi posteriormente avaliada usando a função custo quadrática (linha SPLFQ, na tabela 5.5), permindo a comparação dos resultados com outras abordagens.

Apresentaça o e Ana lise de Resultados 55 5.2 Caso de Estudo 2 5.2.1 Pressupostos Neste caso de estudo o escalonamento de geradores térmicos será feo levando em consideração a produção eólica com níveis de penetração até 30% da produção total. As simulações serão feas para as duas metodologias de escalonamento de produção com integração da energia eólica proposta no capítulo 4. Por último será fea a análise e comparação dos resultados obtidos pelas metodologias propostas. As características dos geradores térmicos são baseadas no caso de estudo apresentado em [25], só que em vez de usar o sistema original constuído por dez geradores, foi duplicado o número de geradores ficando assim o sistema constuído por vinte geradores. Também foram introduzidos valores da taxa de tomada e deslastre de carga. Na tabela 5.7 são apresentadas as características dos geradores usados neste caso de estudo. Tabela 5.7 - Caraterísticas dos vinte geradores usados no segundo caso de estudo 5.2.2 Carga e Cenários de Previsão da Produção Eólica Os valores da previsão da energia eólica usados neste trabalho não correspondem à previsão fea em nenhum parque eólico real, foram criados a fim de fazer o estudo proposto nesta tese. É assumido que no sistema de teste a capacidade instalada da produção eólica é de 1400 MW e que toda a

Apresentaça o e Ana lise de Resultados 56 produção eólica é injetada num barramento comum. Para o período de escalonamento considerado, 22% da carga é abastecida pela energia eólica. O valor da carga e os cenários de previsão eólica com respetivas probabilidades de ocorrência encontram-se registados na tabela 5.8. Tabela 5.8 - Carga e produção eólica para seis cenários, nos vinte e quatro períodos de escalonamento A carga e os cenários de produção eólica apresentados na tabela 5.8 são representados de forma gráfica na figura 5.2 Fig. 5.2 - Apresentação gráfica da carga e cenários de produção eólica em cada período

Apresentaça o e Ana lise de Resultados 57 5.2.3 Casos de Simulação A fim de comparar os resultados entre diferentes metodologias propostas e a influência de diferentes níveis de reserva girante no escalonamento dos geradores, são feas seis simulações diferentes. A primeira, segunda e terceira simulações (D1, D2 e D3) são feas para a segunda metodologia proposta em que o problema é resolvido de forma determinística para cada cenário de produção eólica, e no fim são analisadas as consequências de ocorrer um cenário que não o escolhido para a solução final. Ou seja, é analisado o corte de carga que pode ocorrer. As restantes simulações designadas de E1, E2 e E3, são feas para a primeira metodologia proposta, ou seja, para a formulação estocástica do problema. Uma vez que neste trabalho se pretende analisar a influência da produção eólica no problema de escalonamento de produção, em todas as simulações a reserva girante é fixada a 10% do valor da carga, e para cada metodologia de simulação é incrementada 10% da reserva girante para a produção eólica. A tabela 5.9 faz o resumo dos níveis de reserva girante a considerar para cada simulação. Tabela 5.9 - Níveis de reserva girante considerada nas simulações feas Simulação Tipo de Formulação Reserva Carga Reserva Eólica D1 Determinística 10% 0% D2 Determinística 10% 10% D3 Determinística 10% 20% E1 Determinística 10% 0% E2 Estocástica 10% 10% E3 Estocástica 10% 20% 5.2.4 Resultado das Simulações D1 D2 e D3 A metodologia proposta para as simulações D1, D2 e D3 resolve o problema para cada cenário de produção, obtendo-se inicialmente tantas soluções quanto o número de cenários. A solução final do problema é escolhida com base no cálculo da função de avaliação de uma solução, cada anteriormente. Os valores de escalonamento e despacho económico destas simulações não serão demonstrados aqui, porque se tratam de tabelas muo extensas e as tabelas e os gráficos seguintes resumem a informação relevante. Os custos de produção total em cada cenário, calculados pela soma dos custos de arranque e de

Apresentaça o e Ana lise de Resultados 58 combustível dos geradores térmicos são dados na figura 5.3. Fig. 5.3 - Custo de produção de cada cenário considerando diferentes níveis de reserva girante Fazendo uma análise dos custos de produção para cada cenário de produção eólica, nota-se claramente que os cenários de produção eólica 3 e 6 apresentam custo de produção ligeiramente inferior aos restantes cenários considerados. Isto se deve ao fato de estes cenários apresentarem maior taxa de produção eólica, contrariamente aos cenários dois e quatro onde as taxas da produção eólica foram bastantes baixos. Se o único indicador da avaliação de uma solução fosse o custo total de produção, nesta fase os cenários que apresentam menores custos seriam logo escolhidos para a solução final e o problema terminaria aqui, mas decidiu-se analisar as consequências de não acorrer o cenário escolhido para o escalonamento. A análise do corte de carga dá ao operador do sistema a hipótese de conhecer os riscos a que ficará sujeo ao escolher qualquer um dos cenários de escalonamento. O risco aqui é traduzido em termos de corte de carga por falta de capacidade de produção. Na operação de um SEE real bem estruturado, o corte de carga devido à incapacidade de produção normalmente não acontece, porque há possibilidade de geradores de arranque rápido entrarem em serviço de modo a satisfazer a carga por completo. Mas optar por esta possibilidade pode ser muo dispendioso se o gerador não tiver sido despachado com antecedência. A tabela 5.10 apresenta os cortes da carga que poderão acontecer nas simulações D1, D2 e D3, caso ocorra um cenário que não o escolhido para o escalonamento e despacho dos geradores.

Apresentaça o e Ana lise de Resultados 59 Tabela 5.10- Corte de carga Como era de esperar, os cenários que apresentarem menor custo de operação, ou seja, os cenários com maior taxa de produção eólica oferecem um risco muo mais elevado ao operador do sistema, caso sejam escolhidos para a solução do problema. Nada impede o operador do sistema de optar por aquele cenário que simplesmente apresente menores custos, mas seria muo arriscado operar o sistema sob condição de mua incerteza na produção. Neste estudo, é fea a análise da influência dos níveis de reserva na solução do problema de escalonamento dos geradores. Analisando a figura 5.3, pode-se notar que na simulação D1, onde não é considerada a reserva girante adicional para a energia eólica, o custo de produção em todos os cenários de produção eólica é pouco mais de 0.5% inferior aos custo de produção na simulação D3, onde é considerado o nível de reserva girante adicional de 20%. Quanto ao corte de carga, os resultados apresentados na tabela 5.10 mostram que a possibilidade de haver corte de carga na simulação D1 é substancialmente maior do que na simulação D3. Na operação de decisão no SEE os primeiros requisos a serem levados em conta são a segurança e a fiabilidade do sistema. Depois vêm os requisos de otimização das operações. Posto isto, devido à incerteza e volatilidade da energia eólica, para-se manter o mesmo nível de segurança na operação do SEE, é necessário dispor de mais capacidade de reserva girante, embora o aumento da capacidade de reserva girante faça aumentar os custos de produção. Sendo assim, a simulação D3 mostra ser a mais adequada para a formulação determinística do problema levando em consideração vários cenários de produção Eólica. Até este ponto ficou claro que fazer o escalonamento de produção com mais reserva girante, faz aumentar a segurança do sistema e também o custo de produção, mas o aumento de custo não é linear ao aumento da segurança. Ou seja, ao aumentar o custo de produção em por exemplo1%, devido ao aumento da reserva girante, a segurança do sistema pode aumentar até 20%.

Apresentaça o e Ana lise de Resultados 60 As próximas análises nesta secção serão feas para a simulação D3, onde se irá determinar o melhor cenário de escalonamento aplicando a função de avaliação de uma solução, dada pela equação (4.19). A determinação do melhor cenário de escalonamento depende do valor de F s, que por sua vez depende dos valores do custo de produção de cada cenário, da probabilidade de ocorrência do cenário, da carga total que pode ser cortada na escolha do cenário e por último do parâmetro α que é dado pelo operador do sistema, e que representa o custo por megawatt-hora de carga que foi cortada. A função F s, descra anteriormente na equação (4.19) é dada por: F s CO Total s. C c arg_ Max s s S É definido que para cada megawatt-hora de carga não servida o custo será de $ 5000, este será o valor de α. Na tabela 5.11 são apresentados os dois valores dos indicadores obtidos na simulação D3 para o cálculo da função F s Tabela 5.11 - Indicadores de avaliação das soluções de escalonamento Cenário Custo Operação (MW) Corte Carga (MW) Fs ($) 1 867144 703 4382144 2 924284 85 1349284 3 823489 1618 8913489 4 926721 308 2466721 5 886927 1009 5931927 6 840299 1609 8885299 7 872672 297 2357672 8 891344 65 1216344 9 861844 812 4921844 10 877207 180 1777207 O cenário cinco, embora com maior probabilidade de ocorrência, não será selecionado para a solução final, visto que ao escolher este cenário haverá muas suações de corte de carga. Entre estes dez cenários, o cenário oo é o que apresenta menos corte de carga, e o custo de operação dentro da média dos custos dos cenários. Portanto a função F s para este cenário é inferior a todos os restantes cenários. Logo o cenário oo será escolhido para a solução final do problema. O valor da carga que

Apresentaça o e Ana lise de Resultados 61 poderá ser cortada é reduzido e poderá ser facilmente compensada com a reserva girante disponível. Para o cenário escolhido é feo o escalonamento final dos geradores. A solução do escalonamento e do despacho económico é apresentada nas figuras 5.5 e 5.6. O gráfico da figura 5.4, ilustra o preenchimento do diagrama de carga feo pelas fontes de produção disponível no sistema. A base do diagrama de carga é preenchida pela produção eólica e a produção térmica ocupa os patamares seguintes. Neste diagrama de carga a energia eólica teve uma penetração de cerca de 20% da produção total. Fig. 5.4 - Preenchimento do diagrama de carga pelas fontes de produção existentes no sistema de teste Fig. 5.5 - Número de geradores ligados a cada período de escalonamento O pico da carga para o escalonamento feo é registada no período doze, mas houve mais geradores escalonados no período vinte, onde ocorre o segundo pico da carga, porque neste período a produção eólica baixou em relação ao período doze.

Apresentaça o e Ana lise de Resultados 62 Fig. 5.6 - Despacho económicos dos geradores escalonados Durante todo o horizonte de planeamento, os geradores de maior potência permaneceram ligados, enquanto os geradores de menor potência são ligados com mua frequência para cobrir os picos de carga. Os geradores de grande capacidade normalmente só serão desligados para ações de manutenção, isto porque são usados em centrais de base e também é economicamente inviável liga-las com frequência devido aos altos custos associados ao arranque. 5.2.5 Resultados obtidos nas simulações E1 E2 e E3 As simulações E1, E2 e E3 correspondem às simulações do modelo estocástico, em que o problema é resolvido para níveis de reserva girante para a produção eólica de 0%, 10% e 20% do valor da produção eólica prevista e 10% da reserva girante para a carga. O modelo estocástico do problema procura encontrar uma boa solução considerando todos os possíveis cenários previstos. A solução do modelo estocástico pode não ser a solução ótima global de um cenário em particular, mas é uma solução muo robusta, porque esta solução atende a qualquer cenário de produção que venha a acontecer. Na tabela 5.12 é apresentada a solução de escalonamento do modelo estocástico de problema, para as simulações E1, E2 e E3.

Apresentaça o e Ana lise de Resultados 63 Tabela 5.12 - Solução de escalonamento para diferentes níveis de reserva girante A reserva girante de um gerador é determinada pela diferença entre a potência ativa que é possivel solicar ao gerador, neste caso a potência máxima do gerador, e a potência que ele está a fornecer. A cada período, a reserva girante disponível no sistema é dada pela soma das reservas girantes dos geradores ligados. Se um gerador estiver a funcionar à sua potência máxima, neste caso este gerador não dispõe de nenhuma reserva girante. A fim de aumentar a capacidade de reserva girante do sistema, são escalonados mais geradores a cada período mesmo que alguns deles funcionem à potência mínima. Analisando as soluções de escalonamento para os três níveis de reserva girante apresentados na tabela 5.12, nota-se que para a simulação E3 onde o escalonamento é feo para maior nível de reserva girante, há sempre mais geradores ligados do que nas simulação E1, a simulação com o nível de reserva girante mínimo. No gráfico da figura 5.7 é ilutrada de forma clara a comparação entre o número de geradores ligados a cada período, para o escalonamento feo com diferentes exigências dos níveis de reserva girante.

Apresentaça o e Ana lise de Resultados 64 Fig. 5.7 - Número de geradores ligados em cada período para diferentes níveis de reserva girante Dispondo das soluções de escalonamento dos geradores térmicos para um dado horizonte normalmente de 24 a 72 horas, passa-se para a determinação do despacho económico, que constui a segunda parte do modelo estocástico do problema. Na determinação do despacho económico são fixados os valores do estado dos geradores em cada período, ou seja, nesta fase já se sabe quais os geradores que vão estar ligados a cada período durante o horizonte de escalonamento, e a produção eólica a considerar no despacho económico é o valor da produção medida nos parques eólicos. No modelo estocástico o despacho económico é efetuado a cada período de planeamento. Neste caso de estudo, o despacho económico é efetuado a cada hora. O despacho económico da produção consiste basicamente em dividir em cada período a carga pelos geradores ligados, de forma que o custo de produção seja mais baixo possível. Cada gerador possui uma curva de custo de produção em função da potência que está a fornecer. É economicamente inviável despachar geradores de grande capacidade a funcionar à potência abaixo de 60% da sua capacidade máxima, devido à parcela fixa do custo de produção que não depende da potência que o grupo está a fornecer. O que acontece na realidade é que os geradores de grande capacidade (por exemplo, geradores das grandes centrais térmicas a carvão) são despachados ao lime máximo e os picos de carga são cobertos com produção vinda de geradores a fuel ou produção hídrica. No gráfico da figura 5.8 é apresentado o despacho económico dos geradores térmicos feo para as simulações E1, E2 e E3.

Apresentaça o e Ana lise de Resultados 65 Fig. 5.8 - Despacho económico dos geradores térmicos escalonados para as simulações E1. E2 e E3. Nesta tese é assumido que a produção eólica não é despachada, o que acontece em Portugal e muos outros países da Europa, ocupando assim a base do diagrama de carga. Um fato curioso é que normalmente regista-se maior produção eólica à noe, períodos em que o consumo de energia é muo baixo. Este fato, do ponto de vista do operador do sistema, não é nada desejável porque em dias em que a produção eólica seja muo elevada nas horas de baixo consumo, a fim de não desperdiçar esta produção, muas vezes são desligados geradores de grande capacidade o que pode colocar o sistema em risco devido à natureza volátil da produção eólica. Sendo assim muas vezes é preferível desperdiçar a produção eólica em vez de desligar certos geradores. A fim de perceber de que forma os níveis de reserva girante influenciam o custo total de produção no modelo estocástico do problema de escalonamento, foram efetuadas simulações com níveis e reserva eólica de 0% a 30% da produção prevista, com intervalos de 5%. O gráfico da figura 5.9 apresenta os resultados dos custos totais de produção obtidos nestas simulações.